- Introducción
- Objetivo
- Estructura del Curso:
- Evaluación
- Absentismo
- Temario
- Slides
- Tareas
- Libros de Texto
- Material Especial requerido para la clase
- Políticas
En esta clase veremos los principios del área de Aprendizaje Profundo (Deep Learning), conocer casos de uso, sus principios de funcionamiento y las diferentes aplicaciones que tiene.
Los estudiantes serán capaces de implementar y validar diferentes técnicas de Aprendizaje Profundo, podran utilizar la libreria de Python llamada Tensorflow, y podran aplicar aprendizaje profundo a diferentes problemas.
Esta clase será Lunes de 7:00 p.m a 10:00 p.m.
Clases, tareas, temario y políticas de calificaciones se encuentran disponibles en el sitio web: https://leonpalafox.github.io/deep_learning/
Estaré disponible antes de la clase en mi oficina (Mi casa), o haciendo una cita al correo electronico [email protected]
La evaluación consistirá en:
-
El proyecto final será el 60% de la evaluación final.
- El proyecto final consistira en el uso de un técnica de Machine Learning en un set de datos de su preferencia, con su correspondiente diseño y evaluación.
- Pueden hacer equipos de hasta tres personas.
- Necesitan hacer un reporte de 3-5 paginas sobre el set de datos, el diseño y las variables usadas.
-
El restante 40% será distribuido de la siguiente forma:
- 1 Examen parcial y un examen final.
- Dos tareas.
- Participación en clase
Es obligatorio atender a todas las sesiones.
En caso de alguna situación extraordinaria se deberá platicarlo con el profesor.
- Introducción
El curso no requiere de libros de texto adjuntos, sin embargo, los siguientes libros son útiles para dar seguimiento al curso:
- Bishop, Christopher M. Pattern recognition and machine learning. Springer, 2006.
- Bengio, Yoshua and Goodfellow, Ian. Deep Learning, 2016
Se require una computadora con Python instalado.
Se pueden utilizar teléfonos y bipers, siempre y cuando no molestén al resto del salón.