Cinvestav
Departamento de Computación

Curso: Aprendizaje Profundo

Prof. Dr. Luis Gerardo de la Fraga
Cuatrimestre agosto a septiembre de 2023

Contenido del Curso:

1. Revisión de las arquitecturas de redes neuronales
   1. Redes neuronales directas
   2. Redes neuronales recurrentes
   3. Redes neuronales convolucionales
   4. Redes neuronales profundas
2. Implementación de algunos resultados del estado del arte
3. ¿Usar redes profundas para resolver problemas de clasificación?
4. El método de optimización por descenso de gradiente aplicado a redes neuronales
5. Autoencoders
6. Aprendizaje por reforzamiento
7. Modelos probabilísticos:
   1. Autoencoder variacional
   2. Redes adversarias generativas

Apuntes del Curso:

1. 01.12.2023 Aprendizaje por reforzamiento.
2. 17.11.2023 Autoencoders.
3. 15.11.2023 El problema del XOR resuelto con la heurística evolución diferencial.
4. 08.11.2023 El problema del XOR resuelto con Sklearn.
5. 03.11.2023 Resolviendo el problema del XOR.
6. 27.10.2023 El algoritmo de retropropagación.
7. 25.10.2023 El algoritmo de descenso de gradiente.
8. 18.10.2023 Posibles escenarios para realizar un clasificador con imágenes.
9. 18.10.2023 Programa en pyton para reentrenar la red Simplenet con los datos de MNIST. Se obtuvo una exactitud del 99.1%
10. 11.10.2023 Transferencia de aprendizaje.
11. 11.10.2023 La red profunda Simplenet.
12. 06.10.2023 La convolución "profunda".
13. 29.09.2023 La convolución y la correlación cruzada.
14. 27.09.2023 Red profunda realizada en PyTorch para clasificar las imágenes de dígitos de MNIST.
15. 19.09.2023 Red directa realizada en PyTorch para clasificar los datos de banana.
16. Red directa para clasificar los datos de vino. Esta red clasifica tres clases y por lo tanto tiene una función softmax a la salida.
17. Red directa para clasificar los datos de banana.
18. Apunte de la primera clase.

Última actualización:
01.12.2023
Comentarios: fraga en cs.cinvestav.mx