Última actualización: 02/06/2022


Curso Académico: 2022/2023

Aprendizaje Profundo
(19206)
Titulación: M.U Inteligencia Artificial Aplicada (378)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: MARTÍNEZ OLMOS, PABLO

Departamento asignado a la asignatura: Departamento de Teoría de la Señal y Comunicaciones

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




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 temporales y texto y en el ajuste de modelos probabilísticos para la generación de datos artificiales.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Arquitecturas profundas para visión artificial 2. Arquitecturas profundas para procesado secuencial: seq2seq, encoder-decoder networks, transformers 3. Métodos generativos probabilísticos en aprendizaje no supervisado
Actividades formativas, metodología a utilizar y régimen de tutorías
Clase teórica Clases prácticas Prácticas de laboratorio Tutorías Trabajo en grupo Trabajo individual del estudiante Exámenes parciales y finales
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Calendario de Evaluación Continua
Bibliografía básica
  • 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.