Cinvestav
Departamento de Computación

Curso: Aprendizaje Profundo

Prof. Dr. Luis Gerardo de la Fraga
Cuatrimestre enero a abril de 2025

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. 20.07.2026 El modelo de redes de picos
  2. 09.07.2026 Introducción a las redes de picos
  3. 09.07.2026 El autoencoder disperso visto en clase
  4. 07.07.2026 El autoencoder para detectar anomalías
  5. 02.07.2026 El autoencoder visto en clase con los datos de MNIST
  6. 23.06.2026 Transferencia de aprendizaje
  7. 23.06.2026 Scripts en python para calcular el tamaño de una capa
  8. 11.06.2026 Las figuras en formato SVG.
  9. 11.06.2026 La base de datos de figuras (8 figuras, 60 imágenes de tamaño 64x64 por figura).
  10. 19.05.2026 El problema del XOR resuelto como un problema de clasificación y como un problema de regresión en pytorch.
  11. 19.05.2026 Clasificación de imágenes de 8 formas, con Sklearn y Pytorch.
  12. 12.05.2026 Redes en sklearn y pytorch para clasificar datos en círculos y sus modelos en python.

    13. Tareas:

    1. Tarea 7. Fecha de entrega jueves 20.08.2026
      Clasificador de imágenes de ocho formas con GoogleNet
      1. Al igual que en la tarea 4, realizar el clasificador de 8 formas con aumento de datos y la red GoogleNet recortada.

    2. Tarea 6. Fecha de entrega martes 11.08.2026
      Autoencoder para extraer características para un clasificador
      1. Reproducir en pytorch los resultados de este artículo

    3. Tarea 5. Fecha de entrega martes 28.07.2026
      Clasificador con redes de picos
      1. Usar los mismos datos de la tarea 2
      2. Realizar el modelo de detección a partir de las matrices obtenidos en el entrenaminto
      3. Reportar las gráficas de los picos producidos durante la prueba

    4. Tarea 4. Fecha de entrega martes 14.07.2026
      Clasificador de imágenes de ocho formas con EfficientNet
      1. La red debe recortarse así
      2. Scrip para aumentar las imágenes
      3. La red EfficientNet

    5. Tarea 3. Fecha de entrega 16.06.2026
      Clasificador de imágenes de ocho formas
      1. Realizar el software en OpenCV para probar el tiempo real los clasificadores realizados en el apunte del día 19.05.2026.

    6. Tarea 2. Fecha de entrega 28.05.2026
      Clasificador en pytorch
      1. Con estos datos realizar un clasificador con redes neuronales. Se tienen 11 características y se deben clasificar los vinos por su calidad.
      2. Comparar la gráfica de pérdida contra época con tres optimizadores: Adam, SGD y SGD con momento y el atributo 'nesterov' habilitado

    7. Tarea 1. Fecha de entrega 19.05.2026
      Realizar la red del tutorial de Pytorch para clasificar los imágenes de dígitos de MNIST

    Última actualización:
    21.07.2026
    Comentarios: fraga en cs.cinvestav.mx