Esta es la página web con los contenidos de la asignatura Aprendizaje Profundo (Deep Learning) del Grado en Ciencia e Ingeniería de Datos de la Universidad de Oviedo.
| Introducción | Video |
Tema 4.1: Tratamiento de secuencias
| Redes recurrentes (RNN) | Video 1 Video 2 |
|
| Gate Recurrent Unit (GRU) | Video | |
| Long Short Term Memory (LSTM) | Video | |
| Redes Recurrentes Bidireccionales | Video |
Tema 4.2: Tratamiento de secuencias avanzado
| Mecanismos de atención | Video | |
| Transformers | Video |
Tema 4.3: Visión por computador
| Redes convolucionales | Video 1 Video 2 Video 3 Video 4 |
Tema 4.4: Aprendizaje no supervisado
| Autoencoders | Video | |
| Variational autoencoders | Video |
Tema 4.5: Generación de contenido
| Redes generativas adversarias | Video |
Tema 4.6: Temas avanzados
| Sistemas de recomendación | Video | |
| Cuantificación | Video |
Preparación del entorno: pip, conda, Google colab
Descargar PDF Ir a vídeoPrimer contacto con PyTorch. Manejo de tensores
Abrir notebook Ir a vídeoUso de los tensores para el cálculo de gradientes
Abrir notebook Ir a vídeoEntrenamiento de la primera red neuronal en PyTorch
Abrir notebook Ir a vídeoDatasets y DataLoaders
Abrir notebook Ir a vídeoEntrenamiento avanzado: early stopping, selección del mejor modelo
Abrir notebook Ir a vídeoTrabajo en un servidor remoto con GPU
Descargar PDF Ir a vídeoUso básico de SLURM
Ir a vídeoMonitorización de experimentos usando Weights and Biases
Abrir notebook Ir a vídeoOptimización automática de hiperparámetros con Optuna
Abrir notebook Ir a vídeoUtilización de frameworks de alto nivel con PyTorch Lightning
Abrir notebook Ir a vídeo