Imprimir

Programa

CURSO: DEEP LEARNING	 
TRADUCCION: DEEP LEARNING
SIGLA: INF3812
CREDITOS: 5 UC
MODULOS: 2	
CARACTER: MINIMO
TIPO: CATEDRA, LABORATORIO
CALIFICACION: ESTANDAR
DISCIPLINA: INGENIERIA, COMPUTACION
PALABRAS CLAVE: COMPUTACION, INTELIGENCIA, ARTIFICIAL, CIENCIA, DATOS, DEEP, LEARNING


I. DESCRIPCIÓN DEL CURSO 

Este curso es una introduccion a las tecnicas de Deep Learning, donde los estudiantes analizaran los aspectos centrales de la teoria, los distintos modelos y las aplicaciones del aprendizaje de maquina. Ademas, el curso considera un gran volumen de trabajo practico, donde se implementaran y entrenaran diversos modelos de Deep Learning.


II.	RESULTADOS DE APRENDIZAJE 

-Analizar los aspectos teoricos centrales de Deep Learning. 

-Distinguir distintos modelos y arquitecturas de redes neuronales, conociendo sus caracteristicas y areas de aplicacion. 

-Usar frameworks especializados, como TensorFlow o PyTorch, para entrenar modelos de redes neuronales profundas, utilizando grandes volumenes de datos. 

-Dise?ar arquitecturas ad-hoc para distintos tipos de problemas de aprendizaje de maquina.


III. CONTENIDOS

1.	Introducion

1.1	Algebra lineal

1.2	Optimizacion continua

1.3	Elementos basicos de aprendizaje de maquina.


2.	Perceptron y redes feedforward.


3.	Redes multicapa.


4.	Redes convolucionales profundas.


5.	Aplicaciones.


IV.	ESTRATEGIAS METODOLOGICAS 

-Clases expositivas y practicas. 

-Talleres practicos de laboratorio. 


V. ESTRATEGIAS EVALUATIVAS

-Controles (50%)

-Actividades practicas en laboratorio (50%)


VI.	BIBLIOGRAFIA 

Minima

I. Goodfellow, Y. Bengio, A. Courville; Deep Learning; MIT Press; 2016.

Complementaria

Chollet, F; Deep Learning with Python; Manning Publications; 2017.



PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE 
ESCUELA DE INGENIERIA / ENERO 2020