7 secciones
40 lecciones
10 semanas
Despliegar todas las secciones
Ocultar todas las secciones
VIDEOS INTRODUCTORIOS
4
1.1
VIDEO INTRO TEMARIO. (Copiar)
1.2
MASTERCLASS IA P1 (Copiar)
1.3
MASTERCLASS IA P2 (Copiar)
1.4
MASTERCLASS IA P3 (Copiar)
I: Fundamentos de Machine Learning e Inteligencia Artificial aplicada al Desempeño Sísmico Estructural - 3 sesiones
4
2.1
Programas y herramientas: Python y Google Colab (Copiar)
2.2
Flujo de trabajo de ML aplicado al desempeño sísmico. (Copiar)
2.3
Conceptos fundamentales de IA y Machine Learning. (Copiar)
2.4
Preparación de datos y evaluación inicial de modelos. (Copiar)
II: Programación científica y generación de datos estructurales – 5 sesiones
6
3.1
Python para ingeniería estructural. (Copiar)
3.2
Organización de datos estructurales y matriz de rigidez. (Copiar)
3.3
Sistemas SDOF y MDOF para generación de respuestas. (Copiar)
3.4
Introducción a OpenSeesPy. (Copiar)
3.5
Automatización paramétrica y bases de datos para ML. (Copiar)
3.6
Programas y herramientas: Python, Google Colab y OpenSeesPy. (Copiar)
III: Modelos lineales para predicción de respuesta estructural – 5 sesiones
6
4.1
Ridge, Lasso, multicolinealidad y selección de variables. (Copiar)
4.2
Programas y herramientas: Python, Google Colab, SAP2000, ETABS y OpenSeesPy. (Copiar)
4.3
Predicción de variables de respuesta estructural. (Copiar)
4.4
Regresión lineal simple y múltiple. (Copiar)
4.5
Transformaciones de variables y modelos logarítmicos. (Copiar)
4.6
Validación, residuos, sesgo, varianza y validación física. (Copiar)
IV: Análisis sísmico no lineal, incertidumbre y generación de datos – 6 sesiones
7
5.1
Programas y herramientas: OpenSeesPy, STERA3D, ViewWave, Python y Google Colab. (Copiar)
5.2
Análisis dinámico tiempo historia e IDA. (Copiar)
5.3
Procesamiento de registros sísmicos e indicadores de intensidad. (Copiar)
5.4
Modelamiento no lineal simplicado en OpenSeesPy. (Copiar)
5.5
Estados límite y parámetros de demanda ingenieril. (Copiar)
5.6
Linealidad, no linealidad y respuesta sísmica estructural. (Copiar)
5.7
Incertidumbre, organización de datos y preparación para ML. (Copiar)
V: Clasificación, árboles de decisión y modelos no lineales aplicados a estados de desempeño – 5 sesiones
6
6.1
Programas y herramientas: Python, Google Colab, OpenSeesPy, ETABS y SAP2000. (Copiar)
6.2
Random Forest e importancia de variables. (Copiar)
6.3
Comparación de modelos, interpretabilidad y modelos sustitutos. (Copiar)
6.4
Árboles de decisión. (Copiar)
6.5
Regresión logística, matriz de confusión, ROC y AUC. (Copiar)
6.6
Regresión, clasificación y definición de estados de daño. (Copiar)
VI: Redes neuronales aplicadas al desempeño sísmico estructural – 6 sesiones
7
7.1
Programas y herramientas: Python, Google Colab, OpenSeesPy, ViewWave y bases de datos generadas en los módulos previos. (Copiar)
7.2
CNN, imágenes, Physics-Informed ML e integración nal. (Copiar)
7.3
RNN, LSTM y GRU para registros y respuestas tiempo historia. (Copiar)
7.4
Redes neuronales para fragilidad y probabilidad de excedencia. (Copiar)
7.5
MLP para datos tabulares estructurales. (Copiar)
7.6
Funciones de pérdida, optimización y entrenamiento. (Copiar)
7.7
Fundamentos de redes neuronales. (Copiar)
Curso Análisis y Diseño Sismorresistente de Edificios con Disipadores de Energía
Off
On
Curriculum
MASTERCLASS IA P1 (Copiar)
<br />
Inicio
Cursos
Buscar
Buscar
Cuenta
Inicia sesión con tu cuenta del sitio web
¿Has olvidado tu contraseña?
Recordarme
¿Aún no eres socio?
Regístrate ahora
Registrar una nueva cuenta
¿Eres socio?
Inicia sesión ahora
Modal title
Main Content