Física (plan 2002) 2021-2

Optativas, Temas Selectos de Física Computacional II

INTRODUCCION A DEEP LEARNING

En este curso se dará una introducción a las técnicas de Deep Learning (un subconjunto de Machine Learning) para su aplicación en diferentes problemas, incluyendo grandes bases de datos (de texto y numéricas) así como en imágenes (de estrellas o galaxias por ejemplo).

Al final del curso los estudiantes realizarán un proyecto para poner en práctica estas técnicas.

Los estudiantes interesados en este curso deberán contar con una noción básica de programación en Python.

Horario: Martes y viernes de 5:00 pm a 6:30 pm

TEMARIO

1.¿Qué es Deep Learning?

Introducción a Machine Learning

Breve historia

Para qué me sirve ML

2 Matemáticas esenciales para la construcción de Redes Neuronales

Tensores

Operación de tensores

Optimización basada en gradientes

3 Redes Neuronales Densas

Estructura de una red neuronal

Capas

Función de pérdida

Optimizador

Clasificación binaria (ejemplo)

Clasificación multiclase (ejemplo)

Regresión (ejemplo)

4 Fundamentos de Machine Learning

Supervisión y no supervisión

Evaluación de modelos de Machine Learning

Procesamiento de datos, características de aprendizaje

Sobreajuste y subajuste

Definición y solución de problemas

5 Redes Neuronales Convolucionales (CNN)

Entrenamiento de de una CNN desde cero

Uso de CNN pre-entrenadas

Visualización de lo que aprende la CNN

6 Redes Neuronales Recurrentes (RNN)

Entrenamiento de de una RNN desde cero

Capas Long Short-Term Memory (LSTM) y GRU

Capas Conv1D

7Introducción a la API Funcional

8 Proyectos a desarrollar:

Se propondrán durante el semestre de acuerdo a los intereses particulares de los estudiantes.