| dc.description.abstract | Descripción:
En la última década, las redes neuronales profundas han surgido como una herramienta
indispensable en muchas áreas de la inteligencia artificial, incluida la visión computacional,
computación gráfica, procesamiento del lenguaje natural, robótica, medicina, entre otras. Como
resultado, la experiencia en aprendizaje profundo está cambiando rápidamente y se está
convirtiendo en un prerrequisito obligatorio en muchos entornos académicos avanzados, y una
gran ventaja en el mercado laboral.
En este curso aprenderemos los conceptos básicos de las redes neuronales profundas,
enfocándonos tanto en la parte teórica como práctica. Discutiremos modelos de aprendizaje
recientes tanto supervisados como no supervisados, así como técnicas y consideraciones a
tomar en cuenta al momento de entrenar redes neuronales profundas. Entre los temas que
cubriremos tenemos: redes neuronales multicapa (MLPs), redes neuronales convolucionales
(CNNs), optimizadores (SGD, Adam), modelos secuenciales (RNNs, LSTMs), modelos
generativos (VAEs, GANs) y modelos recientes como Transformers. Además, se presentarán
aplicaciones en varios campos a lo largo del curso.
Propósito:
El curso electivo de la carrera de Ciencias de la Computación, es de carácter teórico-práctico y
está dirigido a estudiantes del noveno ciclo. El curso ha sido diseñado con el propósito de
permitir al estudiante obtener una comprensión de los conceptos teóricos y prácticos de las
redes neuronales profundas, así como perfeccionarse en su empleo adecuado en el desarrollo
de proyectos de investigación y de industria. El curso busca desarrollar la competencia general
de Pensamiento Innovador de nivel 2 y la competencia específica de Uso de Técnica y
herramientas de nivel 2 acorde con el ABET Student Outcome (I) para la carrera Ciencias de la
computación.
1 | |
