Saltar apartados

Introducción al Deep Learning · No presencial

Información general

Dentro de la inteligencia artificial el aprendizaje automático (Machine Learning) constituye un área en expansión donde las empresas necesitan especialistas que dominen estas técnicas en las que se diseñan modelos donde el ordenador aprende a tomar decisiones a partir de ejemplos.
Recientemente la especialidad dedicada al aprendizaje profundo (Deep Learning) ha tenido una gran impacto en problemas que no se podían resolver, o bien, los resultados eran insuficientes. En la actualidad se aplica a áreas o problemas muy distintos como: fabricación, ventas, salud, viajes y alojamiento, servicios financieros y energía. Por lo que este curso es innovador y ofrece una visión de futuro a los estudiantes o profesionales de distintas áreas.

Objetivos
  •  Conocer qué es y para qué sirve el Machine Learning y Deep Learning
  •  Saber a qué áreas y problemas se puede aplicar
  •  Conocer y practicar con la últimas tecnologías (software) relacionadas con estos temas.
  • Dirección: Juan Ramón Rico Juan
  • Créditos: 25 horas /2,5 créditos ECTS
  • Fecha: del 6 al 10 de julio de 2020
  • Precio: estudiantes, PDI/PAS UA, alumniUA y personas desempleadas: 65€. General: 100€
  • Requisitos de acceso: estudiantes y profesionales interesados, en especial de las titulaciones de ingeniería informática, multimedia y en sonido e imagen en telecomunicación
  • Requisitos para la obtención del diploma o certificado: Se basará en la asistencia al curso de forma virtual 80% de duración (al menos a 4 de las 5 sesiones). El control de asistencia se realizará con Google Meet y presentación de memoria a determinar por la dirección del curso.
  • Lengua vehicular: castellano
  • Plataforma: Google Meet, Moodle-UA como plataforma básica donde estructurar las diferentes sesiones y sus contenidos
  • Metodología:
    • Curso en directo. Se usará Google Meet para realizar las charlas en directo de las exposiciones teórica e interaccionar con los alumnos durante los ejercicios.
    • Charlas grabadas. Las charlas de las sesiones en directo serán grabadas y puestas en Moodle-UA para la posterior consulta por parte del alumnado.
    • Materiales. Se utilizarán para realizar las prácticas los libros interactivos de Python, concretamente el servicio gratuito de Google Colab con ejemplos y ejercicios.
    • Sesiones. Las estructura general de cada sesión será la siguiente:
      9:00-10:00: Exposición teórica
      10:00-11:15: Mini-ciclos de ejercicios y solución puesta en común
      11:15-11:45: Descanso
      11:45-12:45 - Exposición teórica
      12:45-14:00 - Mini-ciclos de ejercicios y solución puesta en común

Programa

Juan Ramón Rico Juan. Profesor titular de la Universidad de Alicante. Dpto. Lenguajes y Sistemas Informáticos
Antonio Javier Gallego Sánchez. Profesor ayudante doctor de la Universidad de Alicante. Dpto.Lenguajes y Sistemas Informáticos
Jorge Calvo Zaragoza. Profesor ayudante doctor de la Universidad de Alicante. Dpto.Lenguajes y Sistemas Informáticos

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

 Matrícula

Si el número de alumnos matriculados en el curso no supera el mínimo establecido, la Universidad de Alicante puede resolver la no celebración del mismo

  

 

                   

 

                

Cursos de Verano de la Universidad de Alicante 'Rafael Altamira'


Cursos de Verano de la Universidad de Alicante "Rafael Altamira"
Edificio Germán Bernácer - Universidad de Alicante
Carretera de San Vicente del Raspeig s/n
03690 San Vicente del Raspeig
Alicante (Spain)

Tel: (+34) 96 590 9827

Fax: (+34) 96 590 3839

Twitter: http://twitter.com/culturaenlaua

Facebook: http://facebook.com/culturaenlaua

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