Deep Learning - 2022

Este repositorio contiene el material de clases (presentaciones, ejercicios y notebooks) para Deep Learning (CEIA - FIUBA)

Organización del Repositorio

    Clase #
        teoria
        ejercicios
        jupyter_notebooks
        README.md

Requerimientos

• Lenguaje de Programación
  • Python 3.8
  • Pip / Conda para instalar librerías
• Librerías
  • Numpy
  • Pandas
  • Scikit-Learn
  • SciPy
  • PyTorch
• Consola Interactiva de Python
  • IPython
• Herramientas
  • PyTest para tests
  • GitHub para repositorios
• IDE Recomendado
  • PyCharm Community Edition

Contenido

Clase 1

• Introducción a Deep Learning
• Redes Feedforward

Clase 2

• Funciones de activación
• Funciones de pérdida y de salida
• Optimización

Clase 3

• Pytorch

Clase 4

• Regularización
• Ajuste de hiperparámetros
• Embeddings

Clase 5

• Convolutional Neural Networks

Clase 6

• Recurrent Neural Networks
• Attention Layers

Clase 7

• Encoder-Decoder
• Autoencoder

Clase 8

• Transfer Learning
• Generative Adversarial Networks