|
Guía DocenteCurso Facultade de Informática |
| Máster Universitario en Intelixencia Artificial |
 Asignaturas |
| Aprendizaxe Profunda |
| Contidos |
|
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Aprendizaxe Profunda | Código | 614544013 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 2º cuadrimestre |
Primeiro | Optativa | 6 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| 1. Introducción a aprendizaxe profunda | Aprendizaxe superficial Aprendizaxe profunda |
| 2. Regularización e optimización na aprendizaxe profunda |
Regularización vía datos Regularización vía modelo Regularización vía función obxectivo Optimización |
| 3. Redes neuronais convolucionais (CNNs) |
Convolucións Agrupación (Pooling) Arquitecturas CNN |
| 4. Redes reuronais recorrentes (RNNs) |
Redes recorrentes simples Redes LSTM Redes GRU |
| 5. Autocodificadores | Como funciona a autocodificación Autocodificadores de detección de anomalías Autocodificadores de eliminación de ruído |
| 6. Redes xenerativas antagónicas (GANs) | Modelado xenerativo con autocodificadores variacionales Redes GAN GANs convolucionais profundas |
| 7. Aprendizaxe por transferencia |
Como funciona a aprendizaxe por transferencia Enfoques da aprendizaxe por transferencia |
| 8. Otras técnicas de aprendizaxe profunda | Aprendizaxe multi-tarea Transformadores |
|
