Profesor | José Antonio Vázquez Mata |
Ayudante | Javier Carrillo Martínez |
Ayudante | Rolando Borja Brito |
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.
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.