Diagrama de temas

  • General

    Redes neuronales generativas profundas: fundamentos y resolución de problemas

    Docentes: 

    Jamal Toutouh, Massachusetts Institute of Technology, USA

    Sergio Nesmachnow, Universidad de la República, Uruguay

    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


    El curso se ha suspendido. 

    Se coordinará una nueva fecha de dictado (posiblemente en el segundo semestre) con el profesor visitante.


    Resultado de imagen de generative neural network