Inicio:

4 de abril

Horario:

de 17 a 19:30 horas

Contenidos:

Día 1: Conceptos básicos Machine Learning
¿Qué significa que una computadora aprenda? ¿Cómo definir un modelo que aprenda a partir de los datos disponibles? Diferencia entre aprender y memorizar (generalización y sobreajuste). ¿Cómo armar la base de datos? Errores frecuentes.

Día 2: ¿Cómo entrenar mi propio modelo de visión?
Modelos de redes neuronales artificiales implementadas en Python con Theano. Redes neuronales de visión (Convolutional Neural Networks).

Día 3: ¿Cómo utilizar modelos ya existentes para mi problema?
Cuando no disponemos suficiente cantidad de datos podemos utilizar un modelo pre entrenado sobre otros datos (transfer learning). ¿Cómo conseguir un modelo apropiado y adaptarlo a nuestro problema?

Día 4: Modelos de bajo costo de entrenamiento.
Conseguir los datos para enseñarle al modelo puede ser lo más costoso del proceso de automatización del aprendizaje, en especial cuando hay que indicar para cada muestra el resultado correcto que pretendemos del modelo. Existen modelos que pueden realizar gran parte del entrenamiento a partir de datos crudos sin requerir de una guía externa.

Día 5: Aplicaciones exitosas de Deep Learning
Veremos un par de aplicaciones recientes de Deep Learning en distintas áreas. Analizaremos en detalle los modelos y datos que fueron utilizados y las claves del éxito.

Conocimientos requeridos:

La práctica estará desarrollada en Python sobre plataforma Linux. Se utilizarán los paquetes: Numpy, ScyPy, Theano. Se requerirán conceptos básicos de probabilidad y estadística.

Más informes e inscripción:

http://www.polotecnologico.net/index.php/nuevos-cursos/deeplearning