El curso proporciona una introducción a los conceptos básicos del aprendizaje automático desde una perspectiva probabilística. El objetivo es permitir al alumno desarrollar la capacidad de diseñar modelos y métodos de inferencia y aprendizaje en un entorno bayesiano. El curso comienza con una revisión de probabilidad, matemáticas y optimización, seguida de una discusión de los modelos probabilísticos más comunes para datos discretos y continuos y luego modelos y métodos para secuencias. A continuación se presentan las principales técnicas de inferencia exacta y aproximada utilizando una representación basada en modelos gráficos, incluyendo, entre otros, los métodos MCMC y los métodos de inferencia variacional. El curso finaliza con la aplicación de lo anterior a modelos generativos profundos.
