General

Redes neuronales generativas profundas: fundamentos y resolución de problemas

Docentes: 

Jamal Toutouh, Universidad de Málaga, España y Massachusetts Institute of Technology, USA (jamal@uma.es)

Sergio Nesmachnow, Universidad de la República, Uruguay (sergion@fing.edu.uy)

Programas de posgrado: 

Maestría y Doctorado en Informática (PEDECIBA), Maestría en Ingeniería Matemática, Maestría y Doctorado en Ingeniería Eléctrica, Maestría y Doctorado en Ingeniería Física, Maestría y Doctorado en Ingeniería Mecánica, Maestría y Doctorado en Ingeniería–Mecánica de los Fluidos Aplicada, Maestría y Doctorado en Ingeniería Ambiental.

Número de créditos: 6

Público objetivo: 

Estudiantes de posgrado en Informática, Ingeniería Matemática, Ingeniería Eléctrica, Ciencia de Datos, Bioinformática, Ingeniería Mecánica, Ingeniería Ambiental, Ingeniería Física y otros posgrados en temáticas afines. Profesionales interesados en las temáticas de inteligencia computacional y redes neuronales.

Objetivos:

1. Presentar los principales conceptos sobre redes generativas profundas (GAN).

2. Implementar soluciones a problemas reales aplicando redes GAN.

Temario:

1. Introducción al aprendizaje profundo y los modelos generativos

2. Redes generativas antagónicas (generative adversarial networks, GANs). Principios y aplicaciones.

3. Arquitectura general de las redes GAN y su diseño.

4. Resolución de problemas reales aplicando redes GAN. Ejemplos: generación de imágenes, caracterización y desagregación del consumo energético

5. Patologías comunes de las GAN.

6. El framework Lipizzaner. Entrenamiento co-evolutivo y distribuido para mejorar el rendimiento de las redes GAN

Edición 2024: el curso se dictará a partir del martes 19 de noviembre.

Horario: martes y jueves de 17 a 19 horas

Link de zoom: https://salavirtual-udelar.zoom.us/j/87294382250?pwd=lRtTjfNo4wmIi1sbSthDfE7MLkbAk1.1