Saltar apartados

El aprendizaje automático y profundo en Inteligencia Artificial tema central de un curso de verano de la UA

El Deep Learning resuelve problemas en áreas como fabricación, ventas, salud, viajes, servicios financieros o energía; y sus aplicaciones son usadas  en el traductor de Google o en asistentes virtuales como Siri, Cortana y Google Assistant

 

curso_Deep_LearningAlicante. Viernes, 3 de julio de 2020

Los profesores del Departamento de Lenguajes y Sistemas Informáticos de la UA, Juan Ramón Rico, Antonio Javier Gallego, y Jorge Calvo, imparten el curso de verano "Introducción al Deep Learning" en formato online, del 6 al 10 de julio.

Los profesores detallan que, dentro de la Inteligencia Artificial el aprendizaje automático (Machine Learning) constituye un área en expansión. Las empresas necesitan especialistas que dominen estas técnicas en las que se diseñan modelos para que el ordenador aprenda a tomar decisiones a partir de ejemplos. Dentro de este campo de conocimiento existe una especialidad dedicada al aprendizaje profundo (Deep Learning), que ya ha demostrado un gran impacto en problemas que no se podían resolver, o bien, en los resultados que se obtenían insuficientes. En la actualidad, el Deep Learning se aplica a áreas o problemas muy distintos como: fabricación, ventas, salud, viajes y alojamiento, servicios financieros y energía. Estas aplicaciones son usadas en el día a día, por ejemplo, en el traductor de Google; en asistentes virtuales como Siri, Cortana y Google Assistant.

Este innovador curso ofrece una visión de futuro a los estudiantes o profesionales de distintas áreas.

 

 

Qué es el Deep Learning

El Deep Learning es una rama de la Inteligencia Artificial basada en el uso de redes neuronales artificiales. Estas redes neuronales están inspiradas en el funcionamiento de las neuronas del cerebro humano. Del mismo modo que una neurona recibe y transmite impulsos eléctricos, una neurona artificial recibe información que transforma y envía a otras neuronas adyacentes. De esta forma, la información se transforma conforme se transmite por todas las neuronas hasta llegar al final de la red. Finalmente, la red ofrecerá una salida con los resultados que haya obtenido en función de los datos que haya recibido como entrada, de cómo haya sido entrenada y el objetivo para el que esté siendo utilizada.

Es necesario entrenar la red para que pueda aprender de los datos que se le proporcionan. Conforme se entrena una red con información, esta va modificando sus neuronas hasta que es capaz de sacar las conclusiones correctas, incluso con datos que no se le han proporcionado anteriormente. Por ejemplo, si introducimos imágenes en una red indicando en cuales de ellas hay perros y en cuales no, la red acabara aprendiendo a encontrar perros en cualquier imagen nueva que se le proporcione. De este modo el Deep Learning se puede aplicar en diversos ámbitos con múltiples objetivos, desde leer textos manuscritos, hasta averiguar la edad de una persona en base a una imagen.

 

Información de matrícula

 

PROGRAMA

Lunes 6 de julio de 2020

INTRODUCCIÓN

Ponente: Juan Ramón Rico Juan

09:00h - 11:30h

Descripción del curso, conceptos básicos (Machine Learning y Deep Learning) y uso de Python como lenguaje de programación.

11:30h - 14:00h

Introducción y uso de paquetes básicos y avanzados como: NumPy: Operaciones eficientes con vectores; Pandas: Carga en memoria y manipulación de datos;    Sklearn: Machine Learning;  Keras. Deep        Learning

 

Martes 7 de julio de 2020

REDES CONVOLUCIONALES

Ponente: Antonio Javier Gallego Sánchez.

09:00h - 11:30h

Redes Neuronales

Redes Neuronales Convolucionales

11:30h - 14:00h

Estado del arte y redes pre-entrenadas

Redes completamente Convolucionales

 

Miércoles 8 de julio de 2020

AUTOENCODERS E INTRODUCCIÓN A REDES RECURRENTES

Ponente: Antonio Javier Gallego Sánchez

09:00h - 11:30h

Autoencoder FC y Conv

Ponente: Jorge Calvo Zaragoza

11:30h - 14:00h

Fundamentos redes recurrentes

 

Jueves 9 de julio de 2020

REDES RECURRENTES

Ponente: Jorge Calvo Zaragoza

09:00h - 11:30h

Redes recurrentes avanzadas

Esquema sequence-to-sequence

11:30h - 14:00h

Predicción de opinión con Redes Recurrentes

Ejemplo: Predecir la opinión sobre los comentarios de una película (IMDB)

 

Viernes 10 de julio de 2020

APLICACIONES PRÁCTICAS

Ponente: Antonio Javier Gallego Sánchez

09:00h - 11:30h

Planteamiento de proyectos relacionados con los contenidos teórico-prácticos vistos en el curso

Ponente: Jorge Calvo Zaragoza

11:30h - 14:00h

Desarrollo del proyecto

Solución de dudas

Revisión de proyectos

 

 

 

Actualidad Universitaria


Universidad de Alicante
Carretera de San Vicente del Raspeig s/n
03690 San Vicente del Raspeig
Alicante (Spain)

Tel: (+34) 96 590 3400

Fax: (+34) 96 590 3464

Para más información: informacio@ua.es, y para temas relacionados con este servidor Web: webmaster@ua.es

Carretera San Vicente del Raspeig s/n - 03690 San Vicente del Raspeig - Alicante - Tel. 96 590 3400 - Fax 96 590 3464