Temario del curso
DÍA 1 - REDES NEURONALES ARTIFICIALES
Introducción y Estructura de la ANNA.
- Neuronas biológicas y neuronas artificiales.
- Modelo de una ANNA.
- Funciones de activación utilizadas en las ANNA.
- Clases típicas de arquitecturas de red.
Fundamentos Matemáticos y Mecanismos de Aprendizaje.
- Revisión del álgebra vectorial y matricial.
- Conceptos de espacio de estados.
- Conceptos de optimización.
- Aprendizaje por corrección de errores.
- Aprendizaje basado en memoria.
- Aprendizaje hebbiano.
- Aprendizaje competitivo.
Perceptrones de capa única.
- Estructura y aprendizaje de los perceptrones.
- Clasificador de patrones - introducción y clasificadores de Bayes.
- El perceptrón como clasificador de patrones.
- Convergencia del perceptrón.
- Limitaciones de los perceptrones.
Red Neuronal Artificial de Alimentación Hacia Adelante.
- Estructuras de redes de alimentación hacia adelante multicapa.
- Algoritmo de propagación hacia atrás.
- Propagación hacia atrás - entrenamiento y convergencia.
- Aproximación funcional con propagación hacia atrás.
- Aspectos prácticos y de diseño del aprendizaje por propagación hacia atrás.
Redes de Funciones de Base Radial.
- Separabilidad de patrones e interpolación.
- Teoría de la regularización.
- Regularización y redes RBF.
- Diseño y entrenamiento de redes RBF.
- Propiedades de aproximación del RBF.
Aprendizaje Competitivo y ANNA Autoorganizativa.
- Procedimientos generales de agrupamiento.
- Cuantificación por vector de aprendizaje (LVQ).
- Algoritmos de aprendizaje competitivo y arquitecturas.
- Mapas de características autoorganizativos.
- Propiedades de los mapas de características.
Redes Neuronales Difusas.
- Sistemas neuro-difusos.
- Antecedentes de conjuntos difusos y lógica.
- Diseño de sistemas difusos.
- Diseño de ANNA difusas.
Aplicaciones
- Se discutirá una selección de ejemplos de aplicaciones de Redes Neuronales, sus ventajas y problemas.
DÍA 2 - APRENDIZAJE AUTOMÁTICO
- El Marco de Aprendizaje PAC
- Garantías para un conjunto finito de hipótesis - caso consistente
- Garantías para un conjunto finito de hipótesis - caso inconsistente
- Generalidades
- Escenarios deterministas frente a estocásticos
- Ruido de error de Bayes
- Errores de estimación y aproximación
- Selección del modelo
- Complejidad de Rademacher y Dimensión VC
- Compensación sesgo-varianza
- Regularización
- Sobreajuste
- Validación
- Máquinas de Soporte Vectorial (SVM)
- Kriging (Regresión por Procesos Gaussianos)
- PCA y PCA Kernelizado
- Mapas Autoorganizativos (SOM)
- Espacio vectorial inducido por el kernel
- Quernels de Mercer y métricas de similitud inducidas por kernels
- Aprendizaje por Refuerzo
DÍA 3 - APRENDIZAJE PROFUNDO
Esto se impartirá en relación con los temas cubiertos el Día 1 y el Día 2.
- Regresión Logística y Softmax
- Autoencoders dispersos
- Vectorización, PCA y Blanqueo
- Aprendizaje Autoenseñado
- Redes Profundas
- Decodificadores Lineales
- Convolución y Agrupamiento (Pooling)
- Codificación dispersa
- Análisis de Componentes Independientes
- Análisis de Correlación Canónica
- Demostaciones y Aplicaciones
Requerimientos
Un buen conocimiento de matemáticas.
Un buen conocimiento de estadística básica.
No se requieren habilidades básicas de programación, pero son recomendadas.
Reseñas (2)
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
