Curso de Aprendizaje Profundo 2022-1, LCD - UNAM

El contenido del repositorio contiene las siguientes carpetas:

• data contiene los conjuntos de datos usados
• notebooks almacena las interfaces web (jupyter notebooks) de los temas vistos
• slides las diapositivas del curso

Temario

• Redes Densas
• Redes Convolucionales
• Redes Recurrentes
• Redes basadas en atención
• Estrategias de entrenamiento
• Redes Generativas

Ambiente de trabajo

Se puede elegir cualquiera de las dos opciones

• Local. Clonar el repositorio y trabajar en forma local: git clone https://github.com/orlandxrf/curso-dl.git
• Google Colab. Abrir cualquier notebook en google colab para trabajar usando los recursos proporcionados por google.

Bibliografía del curso

• Zhang, A., Lipton, Z. C., Li, M., & Smola, A. J. (2021). Dive into deep learning. arXiv preprint arXiv:2106.11342. URL: Dive into deep learning
• Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT press. URL: Deep Learning
• Murphy, K. P. (2022). Probabilistic Machine Learning: An introduction. MIT Press. URL: https://probml.github.io/pml-book/book1.html
• Ng, A. (2019). Machine learning yearning: Technical strategy for AI engineers in the era of deep learning. Retrieved online at https://www.mlyearning.org.
• Chollet, F. (2018). Deep learning with Python. Manning Publications Co.