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