EvoX Sistema de Evolución Inteligente y práctica de investigación AI Native
Para dar clase, abra las diapositivas; para preparar la clase, consulte la planificación y el contenido del curso; para leer, abra los apuntes. Si desea seguir editando, abra el archivo del proyecto en EvoClass.
120 archivosLección 1
- HTML00_Lección 1: Los orígenes de la evolución inteligente y el contexto de nacimiento de EvoX.html
- HTML01_La tendencia acelerada de la evolución inteligente y la compresión de ciclos.html
- HTML02_La gran capacidad de los modelos actuales y las limitaciones de la generación única.html
- HTML03_La convergencia de las rutas de la inteligencia y los orígenes de la computación evolutiva.html
- HTML04_La idea de Turing sobre la «máquina infantil».html
- HTML05_Nuevas fuentes de generación de candidatos ante la expansión de la capacidad de cómputo.html
- HTML06_La expansión del objeto evolutivo de parámetros numéricos a sistemas de software.html
- HTML07_La complejidad del mundo real y el equilibrio multiobjetivo.html
- HTML08_La automejora de los métodos de resolución y la evolución algorítmica.html
- HTML09_MetaDE: la arquitectura anidada de algoritmos que optimizan algoritmos.html
- HTML10_La arquitectura del sistema de bucle cerrado evolutivo de EvoX.html
- HTML11_Los límites esenciales y las cuestiones clave para integrar tareas en EvoX.html
- HTML12_Configuración del entorno y uso de EvoX para empezar rápidamente.html
- HTML13_Las competencias esenciales del investigador y el juicio estético.html
- HTML14_Comparación entre el sistema tradicional de pregunta-respuesta única y el sistema de evolución continua de EvoX.html
- HTML15_Visión de una infraestructura de evolución inteligente orientada al mundo real.html
- MDAI999-Lesson-1_lecture_notes.md
Lección 2
- HTML00_Lección 2: Los orígenes de la computación evolutiva y la confluencia de múltiples rutas.html
- HTML01_La reconvergencia de las múltiples rutas de la inteligencia.html
- HTML02_Repaso del simbolismo, el conexionismo y la cibernética.html
- HTML03_La computación evolutiva como origen técnico directo.html
- HTML04_¿La inteligencia es un producto predefinido o un proceso ambiental?
- HTML05_La complejidad del mundo real y los conflictos multiobjetivo.html
- HTML06_La contradicción entre romper la diversidad y el costo de ingeniería.html
- HTML07_La base de ingeniería conformada por GPU y grandes modelos.html
- HTML08_La expansión del límite del objeto evolutivo: de parámetros a programas.html
- HTML09_Los límites de capacidad de los grandes modelos y la evolución continua a nivel de sistema.html
- HTML10_MetaDE: mejorar algoritmos evolutivos con algoritmos evolutivos.html
- HTML11_Definición de los elementos esenciales para integrarse en EvoX.html
- HTML12_El flujo de trabajo completo en tiempo de ejecución de EvoX.html
- HTML13_Análisis práctico en clase: múltiples rutas evolutivas vs. ruta única predefinida.html
- HTML14_Repaso de las ideas centrales del curso y los orígenes de la evolución.html
- HTML15_Resumen y perspectivas: iniciar una nueva práctica de investigación AI Native.html
- MDAI999-Lesson-2_lecture_notes.md
Lección 3
- HTML00_Lección 3: La complejidad del mundo real y el equilibrio multiobjetivo.html
- HTML01_Conflictos multiobjetivo y complejidad real.html
- HTML02_El equilibrio en el mundo físico real y la exploración multiobjetivo.html
- HTML03_Búsqueda de respuestas útiles y experimentos mentales.html
- HTML04_Transformación del problema: de elegir algoritmos a un proceso de exploración.html
- HTML05_Optimización de preferencias y conjunto de múltiples soluciones candidatas.html
- HTML06_Contexto práctico multiobjetivo del diseño de perfiles alares supercríticos.html
- HTML07_La continuidad del perfil alar base y las muestras de perturbación.html
- HTML08_Aplicación de modelos sustitutos frente a los elevados costos de simulación.html
- HTML09_Salida de soluciones candidatas diversificadas que atienden todos los indicadores.html
- HTML10_Conflictos de objetivos y respuesta ante retroalimentación escasa en ingeniería compleja.html
- HTML11_El rol de decisión del experto del dominio y la evaluación de soluciones.html
- HTML12_Actividad en clase: diseño de un esquema de evaluación para la optimización multiobjetivo de parámetros.html
- HTML13_Revisión de la actividad en clase: verificación de la racionalidad del esquema de equilibrio.html
- HTML14_Repaso de los conceptos centrales de esta lección.html
- HTML15_Resumen y perspectivas: el valor de la investigación en el mundo real complejo.html
- MDAI999-Lesson-3_lecture_notes.md
Lección 4
- HTML00_Lección 4: La base de cómputo moderna y la evolución paralela tensorizada.html
- HTML01_La base de cómputo moderna y la evolución paralela tensorizada.html
- HTML02_Diversidad evolutiva y desafíos de la escala de cómputo.html
- HTML03_El cuello de botella de eficiencia de los bucles secuenciales tradicionales en CPU.html
- HTML04_De la lista de candidatos al grafo computacional tensorizado.html
- HTML05_Organización tensorizada de poblaciones, evaluaciones y estados.html
- HTML06_Paralelización de operadores y optimización de compilación.html
- HTML07_Diseño de una arquitectura base abierta y desacoplada.html
- HTML08_División de módulos de algoritmos y problemas.html
- HTML09_Gestión de módulos de flujo de trabajo y monitoreo.html
- HTML10_El planificador Runtime y la gestión de cómputo heterogéneo.html
- HTML11_Aplicaciones multidisciplinarias sobre una base unificada.html
- HTML12_Práctica de análisis comparativo de eficiencia de cómputo.html
- HTML13_Métodos esenciales del cálculo tensorial por lotes.html
- HTML14_Planificación Runtime y componibilidad de algoritmos.html
- HTML15_Los cimientos de la exploración evolutiva paralela de alta intensidad.html
- MDAI999-Lesson-4_lecture_notes.md
Lección 5
- HTML00_Lección 5: Evolución de métodos: de optimizar soluciones a optimizar los propios algoritmos.html
- HTML01_Contexto esencial y motivación de la evolución de métodos.html
- HTML02_Evolución técnica y orígenes históricos de los sistemas inteligentes.html
- HTML03_La expansión del límite evolutivo gracias a los grandes modelos y la capacidad de cómputo.html
- HTML04_Conflictos multidimensionales y equilibrio en problemas del mundo real.html
- HTML05_La idea central y el salto de la evolución de métodos.html
- HTML06_Evolución de doble capa interna y externa y mecanismos adaptativos.html
- HTML07_Implementación típica de la evolución de métodos: la arquitectura MetaDE.html
- HTML08_Evolución de la estructura algorítmica: AutoPSO y EvoGO.html
- HTML09_Paralelismo en GPU y mejorar la evolución mediante la evolución.html
- HTML10_Diseño del plan experimental de optimización de doble capa.html
- HTML11_El desarrollo continuo de los sistemas inteligentes y los desafíos del entorno.html
- HTML12_Inicio rápido y configuración simplificada del entorno.html
- HTML13_Las competencias esenciales del investigador y el cambio de mentalidad.html
- HTML14_Construir una infraestructura evolutiva de desarrollo sostenible.html
- HTML15_Resumen y perspectivas: hacia formas de inteligencia de mayor nivel.html
- MDAI999-Lesson-5_lecture_notes.md
Lección 6
- HTML00_Lección 6: Evolución continua a nivel de sistema: Genesis y la sedimentación del mundo del software.html
- HTML01_Los límites de capacidad de los grandes modelos y la necesidad de la evolución a nivel de sistema.html
- HTML02_La expansión del límite evolutivo de los parámetros numéricos a los sistemas de programas.html
- HTML03_Desafíos complejos del mundo real: equilibrio multiobjetivo y preservación de la diversidad.html
- HTML04_El soporte a la exploración paralela mediante cómputo tensorizado y arquitectura unificada.html
- HTML05_La evolución de los propios algoritmos: de resolver respuestas a mejorar métodos.html
- HTML06_MetaDE y AutoPSO: la arquitectura de doble capa de la evolución de métodos.html
- HTML07_Caso práctico multiobjetivo del diseño de perfiles alares supercríticos.html
- HTML08_El desafío de cruzar el ciclo de vida: agotamiento del contexto y persistencia a nivel de proyecto.html
- HTML09_La arquitectura Genesis y el paradigma de sedimentación del mundo del software.html
- HTML10_El patrón de ingeniería de colaboración multi-Agent y descomposición recursiva de tareas.html
- HTML11_Mecanismos estrictos de aceptación y herencia histórica.html
- HTML12_Actividad en clase: simular la colaboración multi-Agent y una pasarela de aceptación automatizada.html
- HTML13_Formas de trabajo AI Native y accesos convenientes.html
- HTML14_El criterio esencial del investigador: división del trabajo hombre-máquina y pensamiento crítico.html
- HTML15_Resumen del curso: construir una infraestructura del mundo del software en continua evolución.html
- MDAI999-Lesson-6_lecture_notes.md
Lección 7
- HTML00_Lección 7: El paradigma de investigación AI Native y la entrada práctica en EvoX.html
- HTML01_El paradigma de investigación AI Native y la entrada práctica en EvoX.html
- HTML02_Los límites de capacidad de los grandes modelos y los sistemas de evolución continua.html
- HTML03_Convertir problemas reales en procesos de exploración con EvoX.html
- HTML04_Optimización multiobjetivo y exploración de múltiples soluciones.html
- HTML05_MetaDE: mejorar algoritmos evolutivos con algoritmos evolutivos.html
- HTML06_Formas de trabajo AI Native y accesos convenientes.html
- HTML07_Práctica de la tarea de navegación de un robot de almacén.html
- HTML08_Resultados experimentales y análisis de visualización.html
- HTML09_Cuanto más fácil es usar la herramienta, más clara es la responsabilidad humana.html
- HTML10_El núcleo de la investigación: la capacidad de plantear preguntas clave.html
- HTML11_División del trabajo hombre-máquina: la IA produce las respuestas, los humanos marcan la dirección.html
- HTML12_Principio central: Code is cheap. Taste matters.html
- HTML13_Actividad en clase: guiar mediante el diálogo a la IA para completar una tarea de EvoX.html
- HTML14_Resumen del curso: flujo de trabajo AI nativo y criterio científico.html
- HTML15_Apéndice y accesos a la comunidad de código abierto.html
- MDAI999-Lesson-7_lecture_notes.md