TMLS2019

Resumen

Explore técnicas avanzadas en aprendizaje automático y ciencia de datos con ideas de expertos de la industria en la conferencia de la Serie de Aprendizaje Automático de Toronto.

Programa de estudio

• Introducción a Técnicas Avanzadas de Aprendizaje Automático
Panorama del Paisaje del Aprendizaje Automático
Conceptos Clave en Aprendizaje Automático
Introducción a la Serie de Aprendizaje Automático de Toronto
• Aprendizaje Profundo y Redes Neuronales
Arquitecturas Avanzadas: CNNs, RNNs y Transformadores
Entrenamiento de Redes Neuronales Profundas: Mejores Prácticas y Desafíos
Estudios de Caso de Expertos de la Industria
• Procesamiento de Lenguaje Natural (NLP)
Avances Recientes en NLP
Aplicaciones de NLP en la Industria
Taller Práctico: Construcción de un Modelo de NLP
• Aprendizaje por Refuerzo
Principios del Aprendizaje por Refuerzo
Aplicaciones en Robótica y Sistemas Autónomos
Ejercicios de Simulación Interactiva
• Técnicas de Ciencia de Datos
Análisis Exploratorio de Datos (EDA) para Aprendizaje Automático
Ingeniería de Características y Preprocesamiento de Datos
Estudios de Caso: Perspectivas de Científicos de Datos de la Industria
• Aprendizaje Automático en Producción
Despliegue y Escalabilidad de Modelos de Aprendizaje Automático
Herramientas y Marcos de MLOps
Desafíos y Soluciones del Mundo Real
• IA Ética y Responsable
Entendiendo el Sesgo y la Equidad en IA
Estrategias para Asegurar un Despliegue Ético de IA
Mesa Redonda: Perspectivas de Líderes de la Industria
• Cierre y Direcciones Futuras en IA
Últimas Tendencias e Investigación en IA
Charlas de Expertos sobre Direcciones Futuras
Oportunidades de Networking y Colaboración
• Proyecto Final y Evaluación
Proyecto en Equipo: Resolución de un Problema del Mundo Real usando ML
Presentación y Revisión por Pares
Retroalimentación y Reflexiones sobre el Curso

Asignaturas

Charlas de Conferencia