.avif){kind=icon}
Machine Learning & AI: Tensores y simulación
.png)
Semana
1
En esta semana introduciremos las ideas generales detrás de las redes neuronales convolucionales las cuales son una de la arquitectura más importantes para el procesamiento de imágenes. Las capas convolucionales son ampliamente utilizadas para el procesamiento de imágenes en el que es necesario incluir un prior que describa las relaciones tensoriales entre las características de los registros. En esta semana nos concentraremos particularmente en el problema de la detección de objetos.
Semana
2
En esta semana estudiaremos modelos auto-regresivos neuronales, en particular las redes LSTM y una arquitectura Transformer que nos permitirá tratar series de tiempo multi-variadas y con horizontes múltiples. Estos modelos son una radical generalización de los modelos tradicionales para series de tiempo estacionarias y también de los modelos clásicos de estados ocultos. Estudiaremos numerosos ejemplos con series de tiempo.
Semana
1
.png)
Uno de los problemas más complicados en inteligencia artificial es cuando la fuente de los datos que recibimos no es homogénea en las características que la definen. A este tipo de problemas se les conocen como multi-modales. En esta semana trateremos este tipo de problemas con énfasis en datos que contienen tanto texto como imágenes.
Semana
4
En nuestra última semana del curso vamos a estudiar aprendizaje por refuerzo en el caso en el que la función que aproximará a nuestra tabla de valores Q óptima será una red neuronal, estas técnicas han probado ser mucho más eficientes para entrenar modelos en los que nuestra pérdida está asociada con el refuerzo obtenido durante un proceso de simulación, trataremos uno de los casos más célebres en los últimos años que es el de DeepMind para el enfriamiento de un centro de datos..