Qué necesitas saber antes de
comenzar

Inicio 11 June 2026 08:52

Fin 11 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Fundamentos Matemáticos de la Inteligencia Artificial Generativa

Explore las bases matemáticas de la IA generativa, abarcando VAEs, GANs, modelos de difusión y LLMs con implementaciones prácticas en PyTorch para un dominio tanto teórico como práctico.
NPTEL via Swayam

NPTEL

150 Cursos


Not Specified

Actualización opcional disponible

Avanzado

Avanza a tu propio ritmo

Free Online Course

Actualización opcional disponible

Resumen

ABOUT THE COURSE:

This course provides an in-depth exploration of deep generative models, including their probabilistic foundations and learning algorithms. Students will learn about various types of deep generative models such as variational autoencoders, generative adversarial networks, autoregressive models, Diffusion Models and Large Language Models.

The course will cover both theoretical foundations and practical implementations of these models using popular frameworks like PyTorch. Students will gain hands-on experience through lectures and assignments, allowing them to explore deep generative models across various AI tasks.INTENDED AUDIENCE:

Academics and IndustryPREREQUISITES:

Probability, Course in Machine LearningINDUSTRY SUPPORT:

All ML Companies

Programa

  • **Introducción a la IA Generativa**
  • Visión general de los Modelos Generativos
  • Aplicaciones e Impacto
  • **Fundamentos Probabilísticos**
  • Conceptos básicos de las Distribuciones de Probabilidad
  • Inferencia Bayesiana
  • Estimación de Máxima Verosimilitud
  • **Autoencoders Variacionales (VAEs)**
  • Introducción a los VAEs
  • Inferencia Variacional
  • Implementación de VAEs en PyTorch
  • **Redes Generativas Adversarias (GANs)**
  • Introducción a las GANs
  • Desafíos de Entrenamiento y Soluciones
  • Implementación de GANs en PyTorch
  • **Modelos Autoregresivos**
  • Visión general y ejemplos (por ejemplo, PixelRNN, PixelCNN)
  • Entrenamiento basado en Verosimilitud
  • Implementación en PyTorch
  • **Modelos de Difusión**
  • Introducción a los Modelos de Difusión
  • Métodos de Muestreo y Desruido
  • Implementación Práctica
  • **Modelos de Lenguaje a Gran Escala**
  • Conceptos Básicos y Arquitecturas
  • Redes Transformer
  • Entrenamiento de Modelos de Lenguaje a Gran Escala
  • **Sesiones Prácticas y Prácticas**
  • Tutoriales y Ejercicios en PyTorch
  • Implementaciones de Modelos Generativos Profundos
  • **Temas Avanzados y Aplicaciones**
  • Exploración de Investigación de Vanguardia
  • Aplicaciones en Varias Tareas de IA
  • **Tareas y Proyectos**
  • Implementaciones Prácticas
  • Proyecto Final sobre una Tarea de IA Generativa
  • **Revisión y Direcciones Futuras**
  • Resumen de Conceptos Clave
  • Tendencias Actuales y Futuro de la IA Generativa

Impartido por

Prof. Prathosh A P


Materias

Artificial Intelligence