|
Guía DocenteCurso Facultade de Informática |
| Máster Universitario en Intelixencia Artificial |
 Asignaturas |
| Aprendizaxe Profunda |
| Contidos |
|
|
|
| Datos Identificativos | 2023/24 | |||||||||||||
| 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 Bibliotecas de aprendizaxe profunda Exemplos |
| 2. Regularización e optimización na aprendizaxe profunda |
Introducción á regularización Regularización vía datos Regularización vía modelo Regularización vía función obxectivo Optimización |
| 3. Redes neuronais convolucionais (CNNs) |
Introducción as CNNs Capa convolucional Capa de pooling Capa totalmente conectada Exemplo de CNNs Modelos preentrenados Redes residuais Redes Inception Redes Xception |
| 4. Redes reuronais recorrentes (RNNs) |
Datos secuenciais Utilización de datos secuenciais sen recorrencia Redes recorrentes simples Redes LSTM Redes GRU Uso avanzado das RNNs |
| 5. Autocodificadores | Autocodificadores Autocodificadores variacionais |
| 6. Redes xenerativas antagónicas (GANs) | Conceptos básicos Cómo entrenar GANs DCGAN y WGAN Cómo evaluar GANs Aplicacions Variacions das GANs Desafíos das GANs GANs avanzadas |
| 7. Modelos de difusión |
Introducción A teoría dos modelos de difusión Dos exemplos de modelos de difusión Stable diffusion Stable diffusion en acción |
| 8. Aprendizaxe por reforzo | Conceptos básicos Qué é a aprendizaxe por reforzo Métodos de solución |
| 9. Transformadores | Introducción Bloques transformadores Arquitecturas sólo codificador e sólo decodificador Arquitecturas codificador-decodificador Exemplos de transformadores |
|
