Titol propi UV

Davant la creixent demanda de professionals capaços de liderar solucions amb intel·ligència artificial (IA), este curs oferix una introducció sòlida als seus mètodes i aplicacions en l'àmbit ambiental i territorial. Forma part d'un programa més ampli, impartit per especialistes en IA de diverses disciplines que naix amb la vocació d'introduir als participants en l'univers de la IA, explorant el seu potencial en el disseny de projectes, productes i servicis orientats a cura del medi ambient i la gestió sostenible del territori.
Què oferix esta primera part del curs? Esta proposta formativa constituïx la primera etapa d'un itinerari més ampli, impartit per una xarxa d'acadèmics i professionals experts en IA. En esta fase inicial, el curs permetrà adquirir una visió profunda dels mètodes i tecnologies que conformen este camp, al mateix temps que es fomentarà l'aprenentatge autònom i l'exploració de recursos clau per a posar en marxa iniciatives pròpies.
Este curs està dirigit a persones interessades a aplicar la IA en la planificació sostenible del territori, amb enfocament crític, creatiu i ètic.

Bibliografia
Machine Learning
- C.M. Bishop. Neural Networks for Pattern Recognition. Oxford, UK: Oxford Univ. Press. 1995
- C.M. Bishop. Pattern Recognition and Machine Learning. New York, NY: Springer. 2006
- Aurélien Géron. Hands-On Machine Learning with Scikit-Learn and TensorFlow. O'Reilly Media. 2017
- Christoph Molnar. Interpretable machine learning, A guide for making black box models interpretable, Leanpub, 2022

Deep Learning:
- Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press. 2016
- Zhang, A., Lipton, Z. C., Li, M., & Smola, A. J. (2021). Dive into deep learning. arXiv preprint arXiv:2106.11342.

DL for Earth Sciences:
- Camps-Valls, G., Tuia, D., Zhu, X. X., & Reichstein, M. (Eds.). (2021). Deep learning for the Earth Sciences: A comprehensive approach to remote sensing, climate science and geosciences.