Aprendizaje Profundo

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.

Tema 1: Introducción al aprendizaje profundo

Descargar PDF

Links vídeos (1h 30min)

  • Aprendizaje profundo en los medios [Video]
  • Principales aplicaciones [Video]
  • ¿Qué es el aprendizaje profundo? [Video]
  • Historia del aprendizaje profundo [Video]
  • Software y Hardware para el aprendizaje profundo [Video]
  • Tipos de aprendizaje profundo [Video]
  • Problemas sociales y retos del aprendizaje profundo [Video]

Tema 2: Fundamentos de las redes neuronales profundas

Descargar PDF Descargar ejemplos

Links Videos (3h 8min)

Tema 3: Entrenamiento de redes neuronales profundas

Descargar PDF Descargar ejemplos

Links Videos (3h 19min)

Tema 4: Arquitecturas y aplicaciones de las redes neuronales profundas

Links Videos (8h 40 min)

Prácticas

Entorno de trabajo

Preparación del entorno: pip, conda, Google colab

Descargar PDF Ir a vídeo

Introducción a PyTorch (Parte 1)

Primer contacto con PyTorch. Manejo de tensores

Abrir notebook Ir a vídeo

Introducción a PyTorch (Parte 2)

Uso de los tensores para el cálculo de gradientes

Abrir notebook Ir a vídeo

Introducción a PyTorch (Parte 3)

Entrenamiento de la primera red neuronal en PyTorch

Abrir notebook Ir a vídeo

Introducción a PyTorch (Parte 4)

Datasets y DataLoaders

Abrir notebook Ir a vídeo

Introducción a PyTorch (Parte 5)

Entrenamiento avanzado: early stopping, selección del mejor modelo

Abrir notebook Ir a vídeo

Introducción a PyTorch (Parte 6)

Otras capas en PyTorch (CNNs, Transformers, Batch-Normalization, etc.)

Abrir notebook Ir a vídeo

Introducción a PyTorch (Parte 7)

Fine-tuning de un modelo preentrenado

Abrir notebook Ir a vídeo

Trabajando en remoto (SSH)

Trabajo en un servidor remoto con GPU

Descargar PDF Ir a vídeo

Uso básico de SLURM

Uso básico de SLURM

Ir a vídeo

Monitorización de experimentos (Wandb)

Monitorización de experimentos usando Weights and Biases

Abrir notebook Ir a vídeo

Optimización de hiperparámetros (Optuna)

Optimización automática de hiperparámetros con Optuna

Abrir notebook Ir a vídeo

Frameworks alto nivel (PyTorch Lightning)

Utilización de frameworks de alto nivel con PyTorch Lightning

Abrir notebook Ir a vídeo