Introducción teórica y práctica a las redes neuronales y a sus aplicaciones. En la parte teórica se explicará cómo el modelo de Perceptrón de Frank Rosenblatt ha evolucionado a las redes de Deep Learning de hoy en día. Se repasarán los conceptos teóricos como la Loss function, el método de descenso del gradiente, los distintos métricos y la matriz de confusión. Se mostrará cómo preparar un dataset para realizar un experimento y cómo elegir una red para resolver una tarea concreta: redes de clasificación, redes de detección de objetos y de segmentación semántica.
En la segunda parte se pondrán en práctica los conocimientos de la parte teórica con el entorno de Google Colab. A través de un Jupyter Notebook se mostrará cómo realizar algún experimento. Al final de la sesión el Jupyter Notebook estará disponible para los asistentes para que puedan utilizarlo para continuar experimentando.
Dirigida a:
-Personas que sientan curiosidad por las posibilidades de Deep Learning y con ganas de realizar algún experimento. Es recomendable tener conocimientos de programación (preferiblemente en Python) y de álgebra lineal.
