Este curso en línea consta de tres módulos sobre los fundamentos y las aplicaciones de redes neuronales al procesamiento de imágenes y NLP

​

Información General

​

• Las redes neuronales son una de las herramientas más poderosas de la Inteligencia Artificial. Su utilización ha cambiado el mundo en el que vivimos y es difícil pensar en una industria que no las utilice.

• En este curso vamos a enseñar a los estudiantes a entender y utilizar las redes neuronales de manera detallada, nos enfocaremos en cuatro partes fundamentales:

• Implementación en Python y buenas prácticas

• Descripción de los distintos algoritmos

• Las diferentes y diferencias entre arquitecturas

• Las ideas matemáticas más relevantes

• El material no está estrictamente secuenciado y por ejemplo si se tienen algunas nociones sobre redes neuronales es posible comenzar en el segundo.

• No es necesario un conocimiento profundo de Python sin embargo es recomendable estar familiarizado con conceptos básicos de programación.

​​

Detalles y contacto

​

-El evento se llevará a cabo de forma remota.

-Cada módulo incluye unas notas en forma de bitácora sobre lo aprendido.

-Contacto

Alfonso Ruiz

alfonso@escuela-bourbaki.com

Tel. +52 1 735 163 6845

​

-Las fechas y los horarios son los siguientes:

​

Módulo 1

• Jueves 30 de abril 18:30-21:00

• Martes 5 de mayo 18:30-21:00

• Jueves 7 de mayo 18:30-21:00

• Martes 12 de mayo 18:30-21:00

• Jueves 14 de mayo 18:30-21:00

• Martes 19 de abril 18:30-21:00

​

Módulo 2

• Jueves 21 de abril 18:30-21:00

• Martes 26 de junio 18:30-21:00

• Jueves 28 de junio 18:30-21:00

• Martes 2 de junio 18:30-21:00

• Jueves 4 de junio 18:30-21:00

• Martes 9 de junio 18:30-21:00

​

Módulo 3

• Jueves 11 de junio 18:30-21:00

• Martes 16 de junio 18:30-21:00

• Jueves 18 de junio 18:30-21:00

• Martes 23 de junio 18:30-21:00

• Jueves 25 de junio 18:30-21:00

• Martes 30 de junio 18:30-21:00

​

El curso se impartirá en tiempos proporcionales por los siguientes profesores.

​

• Beatriz Londoño es fundadora de "Ciencia y Tecnología para todos". Doctora en Física por la Université Paris-XI Orsay con experiencia en investigación y coautora de artículos científicos. Comprensión de variedad de métodos de análisis estadístico, programación, machine y deep learning. Experiencia en docencia. Fuerte interés en la enseñanza de las ciencias y en hacer del análisis y del pensamiento crítico un instrumento cercano a todos.

• Eduardo H. Ramírez es Doctor en Sistemas Inteligentes por el ITESM. Colaboró en Yahoo Research y Microsoft Research en detección de Web Spam y Calidad de Búsqueda. Es fundador de la comunidad de Ciencia de Datos en Monterrey, miembro del consejo del CVT de Caintra y de Saturdays.ai, una iniciativa global dirigida a capacitar a las personas para que adquieran habilidades en AI y ML aplicadas en proyectos de impacto social.

• Alfonso Ruiz es un matemático especializado en la lógica matemática y sus aplicaciones a otras áreas así como un profesor de matemáticas. Estudió su doctorado en Matemáticas en Oxford University, su maestría en Université Paris-XI Orsay y la licenciatura en matemáticas en la UNAM. Fue profesor de Análisis matemático en Corpus Christi College, Oxford. Actualmente, es director en la Escuela de Matemáticas Bourbaki. 

​

Temarios

 

Módulo 1: Nociones básicas sobre Artificial Neuronal Networks

​

El primer módulo es una introducción a las redes neuronales que busca profundizar en la comprensión clara sobre las ventajas y la manera cómo funcionan estas técnicas. Se presentarán los algoritmos más útiles para entrenarlas y se dará una explicación de las matemáticas que los explican.

​

• Refuerzo sobre Python

• Perceptrón

• Método del gradiente

• Programación del método del gradiente

• Stochastic gradient descent

• Perceptrón con más de una capa

• Back-propagation

• Programación de back-propagation

• Librerías y consejos de implementación

• Caso de estudio sobre clasificación de imágenes

​

Módulo 2: Arquitecturas para NLP y Procesamiento de Imágenes

​

En este módulo expondremos las principales técnicas y dificultades detrás del uso de las redes neuronales para procesar imágenes y texto. Enseñaremos cómo utilizar los principales algoritmos para construir redes neuronales sensibles a los problemas del curso. Haremos especial énfasis en el concepto de convolución y desarrollo matemático.

​

• Desarrollo histórico y arquitecturas generales de ANN

• Tareas principales de las arquitecturas de ANN

• Arquitecturas de estado del arte para reconocimiento de imágenes (ImageNet, ResNet, GoogleNet)

• Transfer Learning

• Convolución de funciones y distribuciones

• Clasificación de imágenes utilizando CNN

• Detección de objetos en escenas utilizando CNN

• Traducción de texto: ideas básicas

• Transformer

• Módulo 3: Topics en Deep Learning

• Explicaremos algunas ideas útiles para el procesamiento de imágenes y de texto. Para cada uno de los conceptos listados comenzaremos con su descripción formal y continuaremos con su estudio en los dos problemas que nos interesan.

• Regularización en clasificación de imágenes y procesamiento de texto.

• Regularidad en clasificación de imágenes y procesamiento de texto.

• Modelos Generativos en clasificación de imágenes y procesamiento de texto.

 

 

 

Becas

​

• Ofrecemos 2 becas completas por módulo una será a una mujer y la otra será a un hombre. Es necesario no tener un trabajo de tiempo completo para solicitar la beca. Favor de escribir a alfonso@escuela-bourbaki.com una carta motivo explicando por qué está interesado en el curso.