DESCRIPCIÓN DEL CURSO:
Este curso electivo proporcionará una introducción a los métodos modernos en Inteligencia Artificial (IA), centrándose particularmente en la IA para la investigación biomédica, a través de clases presenciales y lectura crítica y discusión de artículos seleccionados.

Durante la última década, la IA ha logrado un progreso impresionante en aplicaciones del mundo real que parecían fuera de alcance hace solo unos años, y ahora aparece regularmente en noticias científicas y generales. Los métodos modernos de IA también están siendo cada vez más reconocidos como un componente integral de la caja de herramientas de la comunidad de investigación biomédica. El objetivo de este curso es proporcionar una introducción a los paradigmas más importantes en la IA moderna, a través de conferencias, lectura crítica y discusión de artículos de investigación relevantes para estudiantes de posgrado en ciencias biomédicas. Cada uno de los artículos seleccionados adopta esos algoritmos en una de tres maneras: 1) como una poderosa herramienta para el análisis de datos complejos y/o de gran escala (por ejemplo, "alpha-fold", un algoritmo de aprendizaje profundo para el plegamiento de proteínas); 2) como un componente central en aplicaciones médicas semiautomatizadas (por ejemplo, "UNet" para el análisis de tomografías computarizadas y rayos X); 3) como un modelo computacional de procesos biológicos (por ejemplo, "redes neuronales convolucionales profundas" para explicar la lógica de la actividad neuronal en áreas visuales del cerebro).

El curso tendrá una duración de 7 semanas, con un total de 7 clases presenciales y 7 clases de debate. El contenido de cada clase se detalla a continuación en la lista de conferencias.

OBJETIVOS DEL CURSO:
El objetivo del curso es aprender técnicas fundamentales en el aprendizaje automático, cómo se utilizan en los métodos modernos de IA y su aplicación a la investigación biomédica, a través de una combinación de conferencias presenciales y discusión grupal de artículos seleccionados.

Tras el curso, los estudiantes adquirirán conocimientos y experiencia en aplicaciones relevantes de la IA. Esto les permitirá comunicarse fluidamente con expertos en IA, tanto del ámbito académico como de la industria, y servirá como punto de partida para quienes estén interesados en aplicar métodos modernos de IA en sus tesis.

PRERREQUISITOS:
Curso recomendado: Introducción a las matemáticas de la biología de sistemas teóricos (Bloque I).

Se recomienda que los estudiantes estén familiarizados con las siguientes matemáticas antes de inscribirse en este curso:

• Álgebra lineal (operaciones matriz-vector; tensores).
• Cálculo (integrales, derivadas y optimización de funciones).
• Probabilidad y estadística (distribución marginal/condicional/conjunta; regla de Bayes).

Los estudiantes pueden usar este recurso en línea https://compneuro.neuromatch.io/tutorials/intro.html en la sección 'Repaso de requisitos previos' para tutoriales introductorios.

MATERIALES REQUERIDOS:
Se proporcionarán materiales de lectura para cada clase.

ADECUADO PARA ESTUDIANTES DE 1ER AÑO:
Sí.

EVALUACIÓN DEL ALUMNO:
Se discutirán dos o tres trabajos (según el tamaño de la clase) en cada clase de discusión. Cada trabajo será presentado por un grupo de estudiantes y criticado por otro grupo. Habrá una presentación de 15 a 20 minutos, seguida de un debate científico/de preguntas y respuestas de 15 a 20 minutos entre ambos grupos.

Las calificaciones se basarán en la comprensión de los trabajos, demostrada por la claridad de la presentación de los trabajos asignados y por la relevancia de las preguntas para otros presentadores. Específicamente, al presentar un trabajo, los estudiantes deben explicar claramente los antecedentes científicos (en el contexto de la literatura científica relacionada), la hipótesis principal o los desafíos abordados por el trabajo, los métodos utilizados para realizar el trabajo, si los resultados presentados son sólidos y convincentes, y las limitaciones e implicaciones más amplias del trabajo. Al criticar el trabajo presentado por el otro grupo, se evaluará a los estudiantes en cuanto a si las preguntas/críticas son relevantes (por ejemplo, abordan un problema conceptual o metodológico del trabajo o resaltan limitaciones importantes del trabajo) y si respaldan su crítica con referencias a otra literatura o con referencias específicas al texto/figuras del trabajo.

Aunque los estudiantes presentan y critican los trabajos en grupo, se espera que cada uno presente una sección de su trabajo y haga preguntas o críticas sobre el trabajo del otro grupo; por lo tanto, cada estudiante recibirá una calificación individual.

Además, se evaluará la participación en clase en las clases presenciales: específicamente, si los estudiantes formulan preguntas relevantes y responden a las preguntas del profesor. La calificación de la discusión de trabajos académicos representa el 80% de la calificación final, y la participación en clase, el 20%.

La calificación final (H/P/F) es acumulativa y se entregará al finalizar el curso. Se puede obtener una calificación de H demostrando constantemente (es decir, a lo largo de todas las clases) conocimientos y comprensión más allá de los trabajos asignados; por ejemplo, identificando otros trabajos relacionados con el asignado y encontrando conexiones o conflictos profundos entre ellos. Un estudiante recibirá una calificación de F si no presenta su trabajo con claridad ni plantea preguntas relevantes sobre los demás trabajos.

POLÍTICA DE ASISTENCIA AL CURSO:
Se espera que los estudiantes asistan a todas las clases. Si faltan a una clase de discusión, deberán escribir una reseña crítica de una o dos páginas (más figuras y bibliografía, opcionalmente) de los dos trabajos.

La calificación final (con matrícula de honor/aprobado/reprobado) es acumulativa y se emitirá al finalizar el curso. Se puede obtener una calificación con matrícula de honor demostrando constantemente (es decir, a lo largo de todas las clases) conocimientos y comprensión más allá del trabajo/tutorial asignado; por ejemplo, identificando otros trabajos relacionados con el trabajo asignado y encontrando conexiones o conflictos profundos entre ellos. Un estudiante recibirá un suspenso si no presenta su trabajo con claridad ni plantea preguntas relevantes sobre los demás trabajos.

HORAS DE CREDITO: 2.0