MartinEliasQ/20191.DL

20191.DL Fundamentos de Deep Learning

Calendario

W01  5feb      Intro.Class                        Intro.ML   
W02 12feb      U1.Intro.NN                        Lab 1.1
W03 19feb      U2.NN.Archs.TrainAlgs.Reg          Lab 2.1
W04 26feb      U2.NN.Initz.Batch.Relu.Vanish      Lab 2.2
W05  5mar      Labs                               Parcial         10Mar Deadline Lab1 Lab2
W06 12mar      U3.CNN.ConvOp.Archs                Lab 3.1
W07 19mar      U3.CNN.Classf.Detectn.Segmtn       Lab 3.2
W08 26mar      U3.CNN.Transfer Learning           Lab 3.3         31Mar Deadline Lab3
W09  2abr      U3.Proyecto                        U3.Proyecto
W10  9abr      U3.Proyecto                        U3.Proyecto     14Abr Deadline U3.Proyecto
W11 23abr      U4.RNN.SeqModels.BProp in Time     Lab 4.1
W12 30abr      U4.RNN.LSTM.Archs.Seq2Seq          Lab 4.2
W13  7may      U4.RNN.CNN-LSTM                    Lab 4.3         12May Deadline Lab4
W14 14may      U4.Proyecto                        U4.Proyecto
W15 21may      U4.Proyecto                        U4.Proyecto
W16 28may                                                         01Jul Deadline U4.Proyecto

Evaluación

 10% Parcial
 10% Lab1 + Lab 2
 15% Lab 3
 15% Lab 4
 25% U3.Proyecto
 25% U4.Proyecto

Lecturas recomendadas

• Hastie, Tibshirani, Friedman, The Elements of Statistical Learning, Springer-Verlag website pdf
• Goodfellow, Bengio, Courville, Deep Learning, MIT Press website pdf
• Bengio, Learning Deep Architectures for AI, Foundations and Trends in Machine Learning, Vol. 2, No. 1 (2009) 1–127, pdf