Máster Universitario en Intelixencia Artificial |
Asignaturas |
Aprendizaje Profundo |
Contenidos |
|
|
|
Datos Identificativos | 2023/24 | |||||||||||||
Asignatura | Aprendizaje Profundo | Código | 614544013 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
Máster Oficial | 2º cuatrimestre |
Primero | Optativa | 6 | ||||||||||
|
Tema | Subtema |
1. Introducción al aprendizaje profundo | Aprendizaje superficial Aprendizaje profundo Bibliotecas de aprendizaje profundo Ejemplos |
2. Regularización y optimización en el aprendizaje profundo |
Introducción a la regularización Regularización vía datos Regularización vía modelo Regularización vía función objetivo Optimización |
3. Redes neuronales convolucionales (CNNs) |
Introducción a las CNNs Capa convolucional Capa de pooling Capa totalmente conectada Ejemplo de CNNs Modelos preentrenados Redes residuales Redes Inception Redes Xception |
4. Redes neuronales recurrentes (RNNs) |
Datos secuenciales Utilización de datos secuenciales sin recurrencia Redes recurrentes simples Redes LSTM Redes GRU Uso avanzado de las RNNs |
5. Autocodificadores |
Autocodificadores Autocodificadores variacionales |
6. Redes generativas antagónicas (GANs) |
Conceptos básicos Cómo entrenar GANs DCGAN y WGAN Cómo evaluar GANs Aplicaciones Variaciones de las GANs Desafíos de las GANs GANs avanzadas |
7. Modelos de difusión |
Introducción La teoría de los modelos de difusión Dos ejemplos de modelos de difusión Stable diffusion Stable diffusion en acción |
8. Aprendizaje por refuerzo |
Conceptos básicos Qué es el aprendizaje por refuerzo Métodos de solución |
9. Transformadores | Introducción Bloques transformadores Arquitecturas sólo codificador y sólo decodificador Arquitecturas codificador-decodificador Ejemplos de transformadores |
|