IA Generativa: Fundamentos y Conceptos

Resumen

Este curso ofrece una visión general de algunos conceptos diferentes que sustentan la IA Generativa, sus principios matemáticos y sus aplicaciones en la ingeniería. El enfoque estará en la implementación práctica de la IA generativa, incluyendo redes neuronales, mecanismos de atención y modelos avanzados de aprendizaje profundo.

Programa de estudio

• Fundamentos de Redes Neuronales y Optimización
En este módulo, explorarás los fundamentos de las redes neuronales, incluyendo perceptrones, arquitecturas y algoritmos de aprendizaje. Te adentrarás profundamente en métodos de optimización críticos para un entrenamiento eficiente, enfocándote en técnicas avanzadas como los métodos de Newton y cuasi-Newton, momento, RMSProp y algoritmos de optimización Adam.
• Regularización y Técnicas Avanzadas
Este módulo te guía a través de los enfoques matemáticos de las técnicas de regularización que mejoran la generalización de las redes neuronales y previenen el sobreajuste. Analizarás conceptos incluyendo el estimador de riesgo imparcial de Stein, descomposición en valores propios, métodos de conjunto, mecanismos de abandono, y técnicas de normalización avanzadas como la normalización por lotes.
• Redes Neuronales Convolucionales (CNN)
En este módulo, examinarás las redes neuronales convolucionales (CNN), incluyendo operaciones de convolución, compartición de parámetros, métodos de núcleo, y estructuras de datos multidimensionales. Explorarás arquitecturas avanzadas de CNN, técnicas de regularización, normalización, y las implicaciones de los núcleos aleatorios en el comportamiento de aprendizaje de la red.
• Modelos Generativos y Aprendizaje por Máxima Verosimilitud
En este módulo, analizarás las matemáticas subyacentes a los modelos generativos y la estimación de máxima verosimilitud (MLE). Explorarás métricas de divergencia como la divergencia de Kullback-Leibler, estructuras de redes bayesianas, y métodos de modelado autorregresivo, centrándote en sus fundamentos teóricos e implicaciones prácticas.

Enseñado por

Ramin Mohammadi

Asignaturas

Ciencias de la Computación