Inicio
PROGRAMACIÓN DE COMPUTADORES
Documentos disponibles en esta categoría (7)
Hacer una sugerencia Refinar búsquedaCuentos sobre STEAM para programar (2022)
Título : Cuentos sobre STEAM para programar Tipo de documento : texto impreso Fecha de publicación : 2022 Número de páginas : 198 p. ISBN/ISSN/DL : 978-958-746-512-9 Idioma : Español (spa) Materias : EDUCACIÓN STEAM
DIDÁCTICA DE LA EDUCACIÓN INFANTIL
PROGRAMACIÓN DE COMPUTADORES
CUENTOS INFANTILESClasificación: D12 Resumen : "Cuentos sobre STEAM para programar" es un libro que recopila varios cuentos creados en conjunto con las docentes de educación infantil que cursaron la primera cohorte del diplomado Desarrollo de Habilidades STEAM. Cada cuento es utilizado como una estrategia mediadora que incluye vocabulario STEAM y actividades prácticas para motivar a los niños a programar con ScratchJr. Las actividades están orientadas a desarrollar el pensamiento computacional, comprender el funcionamiento y utilidad de máquinas simples o compuestas, así como la robótica educativa, mediante la literatura, el juego y la interacción. Este texto complementa la obra Infancia y habilidades STEM: herramientas para su desarrollo y es resultado del proyecto de investigación Laboratorio móvil para el desarrollo de habilidades STEM para egresadas y estudiantes de educación infantil de la Universidad del Magdalena, desarrollado entre octubre del 2018 y septiembre del 2019, el cual fue financiado por el programa FRIDA (Fondo Regional para la Innovación Digital en América Latina y el Caribe) y la Universidad del Magdalena." Tomado de la cubierta Nota de contenido : Tabla de Contenido.
Introducción.
Unidad 1 Cuentos steam.
Unidad 2 Cuentos steam en ScratchJr.
Tabla de ilustraciones.Cuentos sobre STEAM para programar [texto impreso] . - 2022 . - 198 p.
ISBN : 978-958-746-512-9
Idioma : Español (spa)
Materias : EDUCACIÓN STEAM
DIDÁCTICA DE LA EDUCACIÓN INFANTIL
PROGRAMACIÓN DE COMPUTADORES
CUENTOS INFANTILESClasificación: D12 Resumen : "Cuentos sobre STEAM para programar" es un libro que recopila varios cuentos creados en conjunto con las docentes de educación infantil que cursaron la primera cohorte del diplomado Desarrollo de Habilidades STEAM. Cada cuento es utilizado como una estrategia mediadora que incluye vocabulario STEAM y actividades prácticas para motivar a los niños a programar con ScratchJr. Las actividades están orientadas a desarrollar el pensamiento computacional, comprender el funcionamiento y utilidad de máquinas simples o compuestas, así como la robótica educativa, mediante la literatura, el juego y la interacción. Este texto complementa la obra Infancia y habilidades STEM: herramientas para su desarrollo y es resultado del proyecto de investigación Laboratorio móvil para el desarrollo de habilidades STEM para egresadas y estudiantes de educación infantil de la Universidad del Magdalena, desarrollado entre octubre del 2018 y septiembre del 2019, el cual fue financiado por el programa FRIDA (Fondo Regional para la Innovación Digital en América Latina y el Caribe) y la Universidad del Magdalena." Tomado de la cubierta Nota de contenido : Tabla de Contenido.
Introducción.
Unidad 1 Cuentos steam.
Unidad 2 Cuentos steam en ScratchJr.
Tabla de ilustraciones.Ejemplares(1)
Código de barras Número de Ubicación Tipo de medio Ubicación Sección Estado 30395 LD12 09903 LIBRO Biblioteca Concertada Adida Comfenalco Didáctica Disponible
Título : Inteligencia artificial : Casos prácticos con aprendizaje profundo Tipo de documento : texto impreso Autores : Soria Olivas, Emilio, Autor ; Rodríguez Belenguer, Pablo, Autor Editorial : Bogotá [Colombia] : Ediciones de la U Fecha de publicación : 2022 Otro editor: Colombia : RA-MA Colección : Informática Número de páginas : 334 p. Il. : il. ISBN/ISSN/DL : 978-958-792-440-4 Idioma : Español (spa) Materias : INTELIGENCIA ARTIFICIAL
INFORMÁTICA
PROGRAMACIÓN DE COMPUTADORESClasificación: CNA7 Resumen : Este libro tiene como objetivo acercar al lector, de una manera teórica y práctica, a la Inteligencia Artificial moderna usando modelos neuronales artificiales profundos que constituyen la base actual de esta tecnología.
Esta obra, dirigida a estudiantes y profesionales, nos brinda información clara y concisa sobre la IA en la que se abordan desde el concepto de neurona artificial planteado en 1943 hasta las últimas aplicaciones de Modelos Generativos y Aprendizaje Reforzado. Se tratan aplicaciones prácticas en el campo de bioseñales, reconocimiento de imágenes, series temporales y sistemas de IA que dirigen videojuegos, entre muchas otras cosas.
Cada capítulo contiene una parte de teoría e incluye actividades y ejemplos prácticos con el propósito de facilitar la asimilación de los conocimientos tratados. Está escrito con lenguaje claro y didáctico por lo que es muy adecuado para impartir cursos sobre sistemas de IA o bien de Modelos Neuronales. Además, el libro se acompaña de un repositorio de código con todas las prácticas resueltas en Python, y listas para ejecutarse en entornos como Google Colab.Nota de contenido : Introducción al libro
Capítulo 1. Introducción al aprendizaje profundo
1.1 El siglo de los datos
1.2 Análisis de los datos. etapas
1.3 Aprendizaje máquina. tipos y aplicaciones
1.4 Aprendizaje profundo. breve historia
1.5 Bibliografía
Capítulo 2. Modelos neuronales multifunción
2.1 Neurona artificial. Elementos que la forman
2.2 Perceptrón. Algoritmo de aprendizaje
2.3 Adalina. Descenso por gradiente. lms
2.4 Estructuras adaptativas. Variantes del lms
2.5 Perceptrón multicapa. Backpropagation
2.6 Variantes del backpropagation. Elección de la
arquitectura
2.7 Aplicando el perceptrón multicapa
2.7.1 Arquitectura
2.7.2 Modo de funcionamiento
2.7.3 Función de coste
2.7.4 Sobreajuste (overfitting)
2.7.5 Preprocesado de las entradas
2.7.6 Problemas con estructuras profundas
2.8 Modelos neuronales para clustering. som
2.9 Laboratorio
2.10 Bibliografía
capítulo 3. Modelos neuronales orientados a visión
3.1 Problemas del mlp en imágenes
3.2 Arquitectura de una cnn. Partes esenciales
3.3 Arquitecturas famosas
3.3.1 Modelos más relevantes que han participado en el ILSVRC
3.4 Aumento de datos y transferencia de aprendizaje
3.5 Otras aplicaciones de las CNN
3.5.1 Detección de objetos
3.5.2 Segmentación de imágenes
3.5.3 Laboratorio
3.6 Bibliografía
Capítulo 4. Modelos neuronales orientados a datos
temporales
4.1 Datos temporales. Características
4.2 Modelos multicapa recurrentes clásicos
4.3 Redes recurrentes (rnn)
4.4 Long-short-term memory (lstm)
4.5 Redes gated recurrent unit (gru)
4.6 Aplicaciones de las redes recurrentes
4.7 Laboratorio
4.8 Bibliografía
Capítulo 5. Modelos generativos
5.1 Introducción a los modelos generativos
5.2 Autoencoders
5.3 Autoencoders variacionales
5.4 Gan (generative adversarial networks)
5.5 Problemas en el ajuste de las gan
5.6 Variaciones de las gan
5.7 Laboratorio
5.8 Bibliografía
Capítulo 6. Aprendizaje reforzado
6.1 Introducción al aprendizaje reforzado
6.2 Elementos matemáticos a tener en cuenta en el
aprendizaje reforzado
6.3 Métodos de aprendizaje por diferencias temporales:
sarsa y q-learning
6.4 Aprendizaje reforzado profundo
6.5 Laboratorio
6.6 BibliografíaInteligencia artificial : Casos prácticos con aprendizaje profundo [texto impreso] / Soria Olivas, Emilio, Autor ; Rodríguez Belenguer, Pablo, Autor . - Bogotá [Colombia] : Ediciones de la U : Colombia : RA-MA, 2022 . - 334 p. : il.. - (Informática) .
ISBN : 978-958-792-440-4
Idioma : Español (spa)
Materias : INTELIGENCIA ARTIFICIAL
INFORMÁTICA
PROGRAMACIÓN DE COMPUTADORESClasificación: CNA7 Resumen : Este libro tiene como objetivo acercar al lector, de una manera teórica y práctica, a la Inteligencia Artificial moderna usando modelos neuronales artificiales profundos que constituyen la base actual de esta tecnología.
Esta obra, dirigida a estudiantes y profesionales, nos brinda información clara y concisa sobre la IA en la que se abordan desde el concepto de neurona artificial planteado en 1943 hasta las últimas aplicaciones de Modelos Generativos y Aprendizaje Reforzado. Se tratan aplicaciones prácticas en el campo de bioseñales, reconocimiento de imágenes, series temporales y sistemas de IA que dirigen videojuegos, entre muchas otras cosas.
Cada capítulo contiene una parte de teoría e incluye actividades y ejemplos prácticos con el propósito de facilitar la asimilación de los conocimientos tratados. Está escrito con lenguaje claro y didáctico por lo que es muy adecuado para impartir cursos sobre sistemas de IA o bien de Modelos Neuronales. Además, el libro se acompaña de un repositorio de código con todas las prácticas resueltas en Python, y listas para ejecutarse en entornos como Google Colab.Nota de contenido : Introducción al libro
Capítulo 1. Introducción al aprendizaje profundo
1.1 El siglo de los datos
1.2 Análisis de los datos. etapas
1.3 Aprendizaje máquina. tipos y aplicaciones
1.4 Aprendizaje profundo. breve historia
1.5 Bibliografía
Capítulo 2. Modelos neuronales multifunción
2.1 Neurona artificial. Elementos que la forman
2.2 Perceptrón. Algoritmo de aprendizaje
2.3 Adalina. Descenso por gradiente. lms
2.4 Estructuras adaptativas. Variantes del lms
2.5 Perceptrón multicapa. Backpropagation
2.6 Variantes del backpropagation. Elección de la
arquitectura
2.7 Aplicando el perceptrón multicapa
2.7.1 Arquitectura
2.7.2 Modo de funcionamiento
2.7.3 Función de coste
2.7.4 Sobreajuste (overfitting)
2.7.5 Preprocesado de las entradas
2.7.6 Problemas con estructuras profundas
2.8 Modelos neuronales para clustering. som
2.9 Laboratorio
2.10 Bibliografía
capítulo 3. Modelos neuronales orientados a visión
3.1 Problemas del mlp en imágenes
3.2 Arquitectura de una cnn. Partes esenciales
3.3 Arquitecturas famosas
3.3.1 Modelos más relevantes que han participado en el ILSVRC
3.4 Aumento de datos y transferencia de aprendizaje
3.5 Otras aplicaciones de las CNN
3.5.1 Detección de objetos
3.5.2 Segmentación de imágenes
3.5.3 Laboratorio
3.6 Bibliografía
Capítulo 4. Modelos neuronales orientados a datos
temporales
4.1 Datos temporales. Características
4.2 Modelos multicapa recurrentes clásicos
4.3 Redes recurrentes (rnn)
4.4 Long-short-term memory (lstm)
4.5 Redes gated recurrent unit (gru)
4.6 Aplicaciones de las redes recurrentes
4.7 Laboratorio
4.8 Bibliografía
Capítulo 5. Modelos generativos
5.1 Introducción a los modelos generativos
5.2 Autoencoders
5.3 Autoencoders variacionales
5.4 Gan (generative adversarial networks)
5.5 Problemas en el ajuste de las gan
5.6 Variaciones de las gan
5.7 Laboratorio
5.8 Bibliografía
Capítulo 6. Aprendizaje reforzado
6.1 Introducción al aprendizaje reforzado
6.2 Elementos matemáticos a tener en cuenta en el
aprendizaje reforzado
6.3 Métodos de aprendizaje por diferencias temporales:
sarsa y q-learning
6.4 Aprendizaje reforzado profundo
6.5 Laboratorio
6.6 BibliografíaEjemplares(1)
Código de barras Número de Ubicación Tipo de medio Ubicación Sección Estado 30602 LCNA7 10005 LIBRO Biblioteca Concertada Adida Comfenalco Ciencias Naturales y Aplicadas Disponible
Título : Introducción a la programación con Python Tipo de documento : texto impreso Autores : Trejos Buriticá, Omar Iván, Autor ; Muñoz Guerrero, Luis Eduardo, Autor Editorial : Bogotá [Colombia] : Ediciones de la U Fecha de publicación : 2020 Colección : Informática Número de páginas : 187 p. Il. : il. ISBN/ISSN/DL : 978-958-792-214-1 Idioma : Español (spa) Materias : PYTHON (LENGUAJE DE PROGRAMACION PARA COMPUTADORES)
INFORMÁTICA
LENGUAJE DE PROGRAMACIÓN DE COMPUTADORES
PROGRAMACIÓN DE COMPUTADORESClasificación: CNA7 Resumen : Si es usted un programador con amplia experiencia, este es el libro que necesita tener a la mano cuando, por alguna razón, deba consultar determinados fundamentos tanto conceptuales como prácticos de este lenguaje. Si su experiencia es moderada, entonces este será un gran libro de ayuda pues le permitirá acceder a los conceptos que subyacen al lenguaje Python y, con ello, podrá fortalecer su conocimiento tanto en programación en general como en dicho lenguaje. Si usted quiere convertirse en programador y aún no ha entrado en el fascinante mundo de un lenguaje como tal, entonces este es su libro pues encontrará en sus páginas lo fundamental requerido para poder aprovechar al máximo la potencialidad de este lenguaje de programación.
En Python tanto su sintaxis como sus instrucciones permiten que los conceptos teóricos se simplifiquen en tiempo de ejecución al construir un programa. Por estas razones lo invito a que disfrute este libro y aprenda a utilizar el lenguaje de programación Python, el lenguaje de mayor proyección actual en el mundo de la programación.Nota de contenido :
Introducción
¿Cómo usar este libro?
Para el profesor
Para el estudiante
Lección 1. Primero lo primero
Lección 2. Variables
Lección 3. Operadores y tipos de datos
Lección 4. Sentencias condicionales
Lección 5. Sentencias repetitivas
Lección 6. Funciones
Lección 7. Generadores
Lección 8. Excepciones
Lección 9. Primeros pasos en POO
Lección 10. Constructores y encapsulamiento
Lección 11. Herencia
Lección 12. Polimorfismo
Lección 13. Strings
Lección 14. Módulos y paquetes
Lección 15. Archivos de texto
Lección 16. Archivos binarios
Lección 17. Ventanas
Lección 18. Controles GUI
Lección 19. Texto multilínea y botones
Lección 20. Variables GUI
Lección 21. Radiobuttons y checkbuttons
Lección 22. Menús, ventanas y explorador
Lección 23. Explorador y listas de opciones
Introducción a la programación con Python [texto impreso] / Trejos Buriticá, Omar Iván, Autor ; Muñoz Guerrero, Luis Eduardo, Autor . - Bogotá [Colombia] : Ediciones de la U, 2020 . - 187 p. : il.. - (Informática) .
ISBN : 978-958-792-214-1
Idioma : Español (spa)
Materias : PYTHON (LENGUAJE DE PROGRAMACION PARA COMPUTADORES)
INFORMÁTICA
LENGUAJE DE PROGRAMACIÓN DE COMPUTADORES
PROGRAMACIÓN DE COMPUTADORESClasificación: CNA7 Resumen : Si es usted un programador con amplia experiencia, este es el libro que necesita tener a la mano cuando, por alguna razón, deba consultar determinados fundamentos tanto conceptuales como prácticos de este lenguaje. Si su experiencia es moderada, entonces este será un gran libro de ayuda pues le permitirá acceder a los conceptos que subyacen al lenguaje Python y, con ello, podrá fortalecer su conocimiento tanto en programación en general como en dicho lenguaje. Si usted quiere convertirse en programador y aún no ha entrado en el fascinante mundo de un lenguaje como tal, entonces este es su libro pues encontrará en sus páginas lo fundamental requerido para poder aprovechar al máximo la potencialidad de este lenguaje de programación.
En Python tanto su sintaxis como sus instrucciones permiten que los conceptos teóricos se simplifiquen en tiempo de ejecución al construir un programa. Por estas razones lo invito a que disfrute este libro y aprenda a utilizar el lenguaje de programación Python, el lenguaje de mayor proyección actual en el mundo de la programación.Nota de contenido :
Introducción
¿Cómo usar este libro?
Para el profesor
Para el estudiante
Lección 1. Primero lo primero
Lección 2. Variables
Lección 3. Operadores y tipos de datos
Lección 4. Sentencias condicionales
Lección 5. Sentencias repetitivas
Lección 6. Funciones
Lección 7. Generadores
Lección 8. Excepciones
Lección 9. Primeros pasos en POO
Lección 10. Constructores y encapsulamiento
Lección 11. Herencia
Lección 12. Polimorfismo
Lección 13. Strings
Lección 14. Módulos y paquetes
Lección 15. Archivos de texto
Lección 16. Archivos binarios
Lección 17. Ventanas
Lección 18. Controles GUI
Lección 19. Texto multilínea y botones
Lección 20. Variables GUI
Lección 21. Radiobuttons y checkbuttons
Lección 22. Menús, ventanas y explorador
Lección 23. Explorador y listas de opciones
Ejemplares(1)
Código de barras Número de Ubicación Tipo de medio Ubicación Sección Estado 30592 LCNA7 10007 LIBRO Biblioteca Concertada Adida Comfenalco Ciencias Naturales y Aplicadas Disponible Ejemplares(1)
Código de barras Número de Ubicación Tipo de medio Ubicación Sección Estado 0000102123 R LCNA7 01299 Vol. 2 LIBRO Biblioteca Concertada Adida Comfenalco Referencia Disponible
Título : Machine learning y deep learning : usando python, scikit y keras Tipo de documento : texto impreso Autores : Bobadilla, Jesús, Autor Editorial : Bogotá [Colombia] : Ediciones de la U Fecha de publicación : 2021 Número de páginas : 291 p. Il. : il. ISBN/ISSN/DL : 978-958-792-145-8 Idioma : Español (spa) Materias : INFORMÁTICA
PROGRAMACIÓN DE COMPUTADORES
REDES DE COMPUTADORESClasificación: CNA7 Resumen : El objetivo del machine learning es que los sistemas informáticos sean capaces de aprender a partir de los datos, emulando de esta manera las capacidades humanas. El Aprendizaje Profundo (Deep Learning) es el área más prometedora del machine learning. Los modernos sistemas de reconocimiento facial, conducción automática, chatbots, comportamiento de los videojuegos, etc. se llevan a cabo haciendo uso de técnicas de deep learning. En este libro se explican los conceptos más relevantes tanto de machine learning como de deep learning. Ambos bloques se pueden abordar de manera independiente y en cualquier orden. Se aportan multitud de ejemplos programados en Python y explicados desde cero, con gráficos representativos. También se hace uso de las bibliotecas Scikit y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro. Tomado de la contracubierta del libro Machine learning y deep learning : usando python, scikit y keras [texto impreso] / Bobadilla, Jesús, Autor . - Bogotá [Colombia] : Ediciones de la U, 2021 . - 291 p. : il.
ISBN : 978-958-792-145-8
Idioma : Español (spa)
Materias : INFORMÁTICA
PROGRAMACIÓN DE COMPUTADORES
REDES DE COMPUTADORESClasificación: CNA7 Resumen : El objetivo del machine learning es que los sistemas informáticos sean capaces de aprender a partir de los datos, emulando de esta manera las capacidades humanas. El Aprendizaje Profundo (Deep Learning) es el área más prometedora del machine learning. Los modernos sistemas de reconocimiento facial, conducción automática, chatbots, comportamiento de los videojuegos, etc. se llevan a cabo haciendo uso de técnicas de deep learning. En este libro se explican los conceptos más relevantes tanto de machine learning como de deep learning. Ambos bloques se pueden abordar de manera independiente y en cualquier orden. Se aportan multitud de ejemplos programados en Python y explicados desde cero, con gráficos representativos. También se hace uso de las bibliotecas Scikit y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro. Tomado de la contracubierta del libro Ejemplares(1)
Código de barras Número de Ubicación Tipo de medio Ubicación Sección Estado 30605 LCNA7 10008 LIBRO Biblioteca Concertada Adida Comfenalco Ciencias Naturales y Aplicadas Disponible PermalinkSin traducción: la invasión del inglés / Revista Semana Educación en Semana Educación, No. 35 (Junio 2018)
Permalink
