Accesos directos a las distintas zonas del curso
Ir a los contenidos
Ir a menú navegación principal
Ir a menú pie de página
Subject's code : 31080010
En este bloque se dará una introducción a la teoría de las redes neuronales, su implementación usando Keras sobre TensorFlow, aspectos prácticos del uso de redes neuronales y ejemplos de clasificación y regresión.
En el curso virtual se dispone de un vídeo de introducción al módulo.
Parte 1 Introducción a las redes neuronales - De las neuronas naturales a las artificiales - El perceptrón - El perceptrón multicapa y la retropropagación del gradiente - Regresión y clasificación con perceptrones multicapa
Parte 2 Aspectos prácticos del uso de perceptrones multicapa - Instalación de las herramientas a utilizar - Introducción a Tensonflow y Keras - Ejemplos de regresión y clasificación con Keras - Uso avanzado de Keras: creación de subclases y uso de callbacks - Uso de Tensorboard para visualización - Ajuste fino de hiperparámetros
Los contenidos del tema tienen una dificultad media ya que necesitan de conocimientos matemáticos para su perfecta comprensión, estos conocimientos se imparten en las titulaciones de acceso al Máster.
En este tema se dará una introducción a las redes neuronales profundas, su procesamiento, campos de uso y pros y contras de su utilización.
En el curso virtual se dispone de un vídeo de introducción al tema.
Los contenidos del módulo son introductorios y no tienen una dificultad elevada, siendo sencillos su estudio.
En este tema se introducirán los principales tipos de redes neuronales profundas tanto para aprendizaje supervisado como para no supervisado:
En este tema se tratarán las herramientas de programación e implementación de redes neuronales profundas. Se analizarán diferentes marcos de trabajo con el objetivo de evaluar ventajas y desventajas de los mismos:
En este tema, se verán las arquitecturas y técnicas de desarrollo de redes neuronales convolucionales y recurrentes, que son los tipos de redes profundas que más se emplean en el ámbito científico y profesional. En el caso de las redes neuronales, estas están especializadas en el proceso de datos con estructura de malla o matriz, tales como series temporales e imágenes. Se estudiará en profundidad este tipo de redes así como varios de sus campos de aplicación, concretamente se verán los siguientes contenidos:
Las redes recurrentes son usadas para procesar datos secuenciales como textos o contenidos estructurados jerárquicamente. En este tema estudiaremos en profundidad este tipo de redes así como varios de sus campos de aplicación.
El uso intensivo de la capacidad computacional que es necesario en Deep Learning hace que el modelo de servicio de la nube proporcione una plataforma de trabajo adecuada para cargas computacionales de altas prestaciones (HPC, High Processing) y la demanda específica en el desarrollo de modelos basados en redes neuronales profundas. En este tema se presentarán las alternativas presentes en los proveedores de servicio más conocidos, y como emplear las herramientas de dichos proveedores para desarrollar los modelos, asi como implementar un servicio computacional que se integre con las aplicaciones/servicios que usen las predicciones de las redes neuronales profundas. Los contenidos del tema son los siguientes:
Los contenidos del módulo no son complejos pero requieren de conocimiento básico de trabajo con los diferentes proveedores. Para facilitar su estudio se proporcionan varias video-lecciones prácticas de uso de las diferentes herramientas de los proveedores.
Se verán distintos ejemplos de campos de aplicación de las redes neuronales profundas, tales como visión artificial, ciberseguridad, etc. Los contenidos del tema son los siguientes:
Los contenidos del módulo no tienen una dificultad elevada, siendo sencillos su estudio a través de los materiales proporcionados por el equipo docente.
En el Aprendizaje por Refuerzo (Reinforcement Learning RL), un agente inteligente realiza observaciones y acciones en un entorno y, a cambio, recibe recompensas del entorno. Su objetivo es aprender a actuar de forma que maximice sus recompensas esperadas a lo largo del tiempo. En este tema estudiaremos en profundidad este tipo de aprendizaje aplicando redes neuronales así como varios de sus campos de aplicación: