Metodología de enseñanza

Este curso teórico-práctico estará dividido en tres grandes bloques. En el primero, se abordan los conceptos básicos del aprendizaje automático, aprendizaje profundo, modelos de redes neuronales multicapa clásicos y los algoritmos necesarios para entrenarlos. El segundo, se centra en las redes neuronales convolucionales, un tipo particular de red neuronal especialmente adaptado al análisis de imágenes, y se estudian algunas de las arquitecturas propuestas en los últimos años para resolver problemas básicos de visión artificial y análisis de imágenes. En el tercer bloque, se profundiza en el caso particular del análisis de imágenes biomédicas, sus problemáticas específicas, y se estudian modelos recientemente propuestos para resolverlas mediante el uso de métodos basados en aprendizaje profundo. 

Detalle de horas:

• Horas de clase (teórico): 10
• Horas de clase (práctico): 5
• Horas de clase (laboratorio): 0
• Horas de consulta: 4
• Horas de evaluación: 1
• Subtotal de horas presenciales: 20
• Horas de estudio: 30
• Horas de resolución de ejercicios/prácticos: 10
• Horas proyecto final/monografía: 40
• Total de horas de dedicación del estudiante: 100

Conocimientos previos exigidos

Conocimientos básicos de Cálculo diferencial y matricial, Álgebra Lineal, Probabilidad y Estadística, y Programación (preferentemente Python).