La Inteligencia Artificial (IA) ha surgido como una tendencia tecnológica global líder para el futuro, la cual ha ido evolucionando no solo en el sector de la tecnología, sino también por ejemplo en sectores agrícolas, automotriz, bancario, médico, etc. Mediante una combinación de técnicas de entrenamiento avanzadas y elementos no lineales y estocásticos, ahora es posible desarrollar algoritmos que puedan manejar datos tabulares, imágenes, texto y audio como entrada y salida.
El aprendizaje profundo es una parte de la inteligencia artificial que permite extraer información de los datos de una manera similar a la función del cerebro humano. Este curso introducirá al estudiante al aprendizaje de máquina, las técnicas de aprendizaje supervisado, los problemas de regresión y clasificación, las redes neuronales clásicas, las redes neuronales de convolución (CNN), redes recurrentes (LSTM, Transformers), las redes adversas generales (GAN) y el aprendizaje por refuerzo. Se cubrirá la aplicación de estas arquitecturas a la visión por computadora, las series de tiempo, la seguridad, el procesamiento del lenguaje natural (NLP) y la generación de datos. La atención se centra principalmente en la aplicación del aprendizaje profundo a los problemas, con una introducción a los fundamentos matemáticos. Los estudiantes usarán el lenguaje de programación Python para implementar el aprendizaje profundo usando Google TensorFlow y Keras. No es necesario conocer Python antes de este curso; sin embargo, se asume la familiaridad de al menos un lenguaje de programación.