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 dictará a partir del ***martes 12 de octubre***.

    Horario: martes y jueves de 17 a 19 horas.

    Link de la reunión inicial (martes 12, 17:00): https://meet.google.com/yat-ndnz-jtb


    Resultado de imagen de generative neural network

  • Tema 1

  • Tema 2