Departamento asignado a la asignatura: Departamento de Teoría de la Señal y Comunicaciones
Tipo: Optativa
Créditos: 3.0 ECTS
Curso: 1º
Cuatrimestre: 1º
Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
El curso requiere los siguientes conocimientos básicos:
- Cálculo
- Programación
- Métodos Numéricos
Objetivos
El objetivo fundamental de esta asignatura es que el alumno conozca y aprenda a utilizar esquemas de aprendizaje basados en redes neuronales avanzadas, con especial énfasis en aplicaciones de visión por ordenador, tratamiento de señales de audio, y en el ajuste de modelos probabilísticos para la generación de datos artificiales.
1. Modelado probabilístico con redes profundas: VAEs
2. Modelado probabilístico con redes profundas: GANs
3. Modelos de representación implícita
4. Segmentación y detección de objetos con redes profundas. Modelos de atención para imágenes
5. Procesado profundo de voz y audio
Actividades formativas, metodología a utilizar y régimen de tutorías
MD1 Clase teórica
MD3 Clases prácticas
MD3 Prácticas de laboratorio
MD5 Trabajo en grupo
Examenes individuales y tutorías
Cristopher Bishop. Pattern Recognition and Machine Learning. Springer. 2006
Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press. 2017
Kevin Murphy. Machine Learning A Probabilistic Perspective. MIT Press. 2012
El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.
