Introducció teòrica i pràctica a les xarxes neuronals i a les seves aplicacions. A la part teòrica s’explicarà com el model de Perceptró de Frank Rosenblatt ha evolucionat a les xarxes de Deep Learning d’avui dia. Es repassaran els conceptes teòrics com la Loss function, el mètode de descens del gradient, els diferents mètrics i la matriu de confusió. Es mostrà com preparar un dataset per fer un experiment i com escollir una xarxa per resoldre una tasca concreta: xarxes de classificació, xarxes de detecció d’objectes i de segmentació semàntica.
A la segona part, es posaran en pràctica els coneixements de la part teòrica amb l’entorn de Google Colab. A través d’un Jupyter Notebook es mostrarà com fer algun experiment. Al final de la sessió el Jupyter Notebook estarà disponible per als assistents perquè el puguin utilitzar per continuar experimentant.
Adreçada a:
-Persones que sentin curiositat per a les possibilitats de Deep Learning i amb ganes de fer algun experiment. És recomanable tenir coneixements de programació (preferiblement en Python) i d’àlgebra lineal.
