FUNDAMENTOS DEL APRENDIZAJE PROFUNDO

Empresas de todo el mundo utilizan la inteligencia artificial para resolver sus mayores desafíos. Los profesionales sanitarios utilizan la IA para realizar diagnósticos más precisos y rápidos en los pacientes. Los comercios minoristas la utilizan para ofrecer experiencias de compra personalizadas. Los fabricantes de automóviles la utilizan para que los vehículos personales, la movilidad compartida y los servicios de reparto sean más seguros y eficientes. El aprendizaje profundo es un potente enfoque de IA que utiliza redes neuronales artificiales multicapa para ofrecer una precisión de vanguardia en tareas como la detección de objetos, el reconocimiento de voz y la traducción de idiomas. Mediante el aprendizaje profundo, las computadoras pueden aprender y reconocer patrones a partir de datos que se consideran demasiado complejos o sutiles para un software desarrollado por expertos.

Se dará preferencia a alumnos de últimos cursos de:
Grado en Ingeniería Informática,
Grado en Informática Industrial y Robótica,

1.- Introducción (30 minutos)
Conozca al instructor.
Crea una cuenta en courses.nvidia.com/join

2.- La mecánica del aprendizaje profundo (3 horas)
Explore la mecánica y las herramientas fundamentales involucradas en el entrenamiento exitoso de redes neuronales profundas:
Entrena tu primer modelo de visión artificial para aprender el proceso de entrenamiento.
Introducir redes neuronales convolucionales para mejorar la precisión de las predicciones en aplicaciones de visión.
Aplicar el aumento de datos para mejorar un conjunto de datos y mejorar la generalización del modelo.

Descanso (1 hora)

3.- Modelos preentrenados y modelos de lenguaje grandes (1,5 horas)
Aproveche modelos preentrenados para resolver rápidamente los desafíos del aprendizaje profundo. Entrene redes neuronales recurrentes con datos secuenciales:
Integre un modelo de clasificación de imágenes previamente entrenado para crear una puerta automática para perros.
Aproveche el aprendizaje por transferencia para crear una puerta para perros personalizada que solo deje entrar a su perro.
Utilice un modelo de lenguaje amplio (LLM) para responder preguntas basadas en el texto proporcionado.

Descanso (15 minutos)

4.- Proyecto Final: Clasificación de Objetos (1 hora)
Aplicar visión artificial para crear un modelo que distinga entre fruta fresca y podrida:
Cree y entrene un modelo que interprete imágenes en color.
Cree un generador de datos para aprovechar al máximo conjuntos de datos pequeños.
Mejore la velocidad de entrenamiento combinando el aprendizaje por transferencia y la extracción de características.
Analice arquitecturas de redes neuronales avanzadas y áreas de investigación recientes donde los estudiantes pueden mejorar aún más sus habilidades.

5.- Revisión final (30 minutos)
Revise los aprendizajes clave y responda preguntas.
Complete la evaluación y obtenga un certificado.
Complete la encuesta del taller.
Aprenda a configurar su propio entorno de desarrollo de aplicaciones de IA.