Escudo de la República de Colombia Escudo de la República de Colombia
Panel de Accesibilidad
 
logo-fac-blanco.png

Curso en línea

coursera

Sistemas difusos

Computación flexible

Fechas realización
Actividad permanente
¡Inicia en cualquier momento!
Intensidad
32 horas
Intensidad aproximada según usuario
Mediante plataforma Coursera

Horario clases

Conectividad 24/7
Mediante plataforma de estudio

Inversión

$0 Formación
$50USD Certificación con Coursera

¡Regístrese e inicie a estudiar ahora!

Presentación

Curso virtual en la plataforma Coursera. Los sistemas difusos permiten efectuar cálculos cuando hay información con incertidumbre, o cuando se debe combinar información tanto cuantitativa como cualitativa. Se trata de una aproximación matemática para modelar esas situaciones. Este curso está diseñado para ayudar a entender y explicar cómo funcionan dichos sistemas.

El curso tiene una aproximación teórica y práctica. Los principios matemáticos son de un nivel bajo y están al alcance de un público muy amplio. El curso cuenta con varios laboratorios para aprender a utilizar las herramientas de software que usan esos principios. Este componente práctico requiere una comprensión mínima de programación.

Información de la actividad

Profesionales y estudiantes de ingeniería, ciencias económicas y ciencias sociales que busquen herramientas de análisis adecuadas para fenómenos con incertidumbre o que mezclen información cuantitativa y cualitativa.
El curso se desarrolla de forma virtual y asincrónica. Está organizado en 4 módulos que contienen 50 videos (aprox 500 minutos), 5 laboratorios guiados, 4 actividades de programación y cuestionarios.
Aproximar a los estudiantes al modelamiento de fenómenos y situaciónes mediante sistemas basados en lógica y aritmética disfusa. Al finalizar exitosamente el curso el estudiante estará en capacidad de:
  1. Describir una aproximación matemática sencilla que permite acercar las descripciones cualitativas y cuantitativas de fenómenos muy variados.
  2. Explicar cómo funcionan ciertos sistemas que permiten hacer cálculos a partir de una descripción con palabras del funcionamiento deseado.
  3. Explicar cómo funcionan ciertos sistemas capaces de obtener adjetivos que califican una variable, a partir de otros adjetivos.
Los participantes deberán completar los contenidos listados en la plataforma. La certificación se obtiene una vez se han aprobado los laboratorios calificables y los cuestionarios de cada módulo. El proceso de certificación al igual que el procedimiento de pago se manejará directamente por Coursera, siguiendo las condiciones dispuestas por la plataforma.

Contenido de la actividad

Teoría de conjuntos difusos

Objetivo del aprendizaje:
En este módulo se presentan los principios básicos de la teoría de conjuntos difusos y sus operaciones. También se explica cómo pueden usarse para ayudar a representar algunas situaciones en las que la información es imperfecta.
  1. Saludo de bienvenida
  2. ¿Por qué estudiar los sistemas difusos? Motivación
  3. ¿Qué es un conjunto difuso? Principios matemáticosm
  4. Definiciones: Soporte y alfa-cortes
  5. Definiciones: extensión y proyección cilíndricas
  6. Operaciones con conjuntos difusos1
  7. T-Normas y S-Normas1
  8. Relaciones difusas
  9. Bonus track: Incertidumbre
  10. Presentación del laboratorio “Introducción a skfuzzy”
  11. Cuestionario de práctica: Pon a prueba tus conocimientos.
  12. Cuestionario calificado: Demuestra tus conocimientos.

Lógica difusa y razonamiento aproximado

Objetivo del aprendizaje:
En este módulo se presentan los sistemas difusos más conocidos. Se denominan “Sistemas Basados en Reglas”, o también “Controladores Difusos”. Estos sistemas implementan una forma de razonamiento aproximado que se basa en la lógica difusa. En esta semana se muestran también varias herramientas de software.
  1. Variables lingüísticas
  2. Lógica difusa
  3. Sistemas basados en reglas - controladores difusos
  4. Inferencia difusa
  5. Presentación del laboratorio “Inferencia difusa”
  6. Difusores y concresores
  7. La Base de Reglas
  8. Sistemas MIMO / Control difuso
  9. Presentación del laboratorio 'Controladores difusos'
  10. UNFuzzy - sistema SISO / Sistema MISO / código C++
  11. Scilab - Editor / xcos
  12. Cuestionario de práctica: Pon a prueba tus conocimientos.
  13. Cuestionario calificado: Demuestra tus conocimientos.
  14. Cuestionario práctico: Pon a prueba tus conocimientos.

Aprendizaje de máquina

Objetivo del aprendizaje:
En este módulo se muestran algunos ejemplos sobre cómo se pueden usar las estrategias de aprendizaje de máquina para diseñar u optimizar los sistemas basados en reglas, o algunos de sus componentes.
  1. ¿Qué es aprendizaje de máquina?
  2. Agrupamiento difuso - primera parte
  3. Agrupamiento difuso - segunda parte
  4. Presentación del laboratorio 'Agrupamiento difuso c-means'
  5. Aproximación de funciones
  6. Entrenamiento de sistemas basados en reglas
  7. Entrenamiento con UNFuzzy
  8. Optimización mediante Algoritmos Genéticos (primera parte)
  9. Optimización mediante Algoritmos Genéticos (segunda parte)
  10. Implementación de algoritmos genéticos con UNGenético
  11. Cuestionario calificado: Demuestra tus conocimientos.
  12. Cuestionario práctico: Pon a prueba tus conocimientos.

Aritmética difusa

Objetivo del aprendizaje:
En este módulo se presentan los “Sistemas de Computación con Palabras basados en Aritmética Difusa”. Con este tipo de sistemas se pueden modelar situaciones complejas, de un elevado número de variables, sin incurrir en el problema de explosión de la base de reglas.
  1. Números difusos
  2. El principio de extensión (primera parte)
  3. El principio de extensión (segunda parte)
  4. Aritmética de intervalos
  5. Aritmética de números difusos
  6. Valor representativo, ambigüedad y nivel de optimismo
  7. Presentación del laboratorio 'Aritmética difusa'
  8. Estructura de un sistema de computación con palabras
  9. Interpretación lingüística
  10. Aproximación lingüística
  11. Función de razonamiento aproximado
  12. Fuzzynet (primera parte)
  13. Fuzzynet (segunda parte)
  14. Fuzzynet (tercera parte)
  15. Cierre
  16. Cuestionario de práctica: Pon a prueba tus conocimientos.
  17. Cuestionario calificado: Demuestra tus conocimientos.
  18. Cuestionario práctico: Pon a prueba tus conocimientos.

Equipo docente

Oscar Germán Duarte Velasco
Ingeniero Electricista, M.Sc. en Automatización Industrial y Ph.D. en Informática
Profesor titular del Departamento de Ingeniería Eléctrica y Electrónica de la Universidad Nacional. Ingeniero Electricista y M.Sc en automatización industrial de la Universidad Nacional de Colombia. Ph.D. en Informática de la Universidad de Granada (España). Autor de 7 libros, 32 artículos, 36 participaciones en congresos. Ha ejercido los cargos de Vicedecano Académico de Ingeniería, Director Nacional de Programas de Posgrado, Director Nacional de Innovación Académica, entre otros.

Opiniones de nuestros estudiantes

“La disponibilidad de certificación, la disponibilidad de un docente real en vez de clases de videos me parecen un plus importante. Y, claro, el renombre de la Universidad Nacional de Colombia.”
Miguel Barreto
"El profesor tiene buenos conocimientos en el tema y sabe explicar. Lo único es el tiempo que no ayuda para ver todos los temas y tener tiempo de responder preguntas qué hacemos los estudiantes."
Cesar Puentes
"En caso de ser un curso avanzado (Seria ideal datastudio - es muy parecido a power BI)"
Yesid
"Me gustó el curso, el docente y el precio."
Mayra Camacho
"Son bien estructurados los cursos y muy cumplidos."
Nelson Salamanca

Procedimiento para la asignación de cupo

Registro

Registro

Debe registrarse (crear una cuenta) e inscribirse en el portal de Coursera
Enlace Coursera

Preguntas frecuentes

¿Quién puede participar en los cursos y diplomados?
Nuestra misión como Universidad Nacional de Colombia en su línea de extensión es capacitar y actualizar a la comunidad en general, con ello NO hay pre requisitos administrativos para que una persona pueda inscribirse, cursar o certificarse en cualquiera de nuestras actividades:

En resumen:
1) NO es necesario ser Ingeniero
2) NO es necesario técnico, tecnólogo o profesional
3) NO es necesario pertenecer a la UN