Fundamentos
Los pilares del aprendizaje profundo: desde machine learning clásico hasta las redes neuronales básicas.
Machine Learning Clásico
Regresión, clasificación, árboles de decisión y los fundamentos que preceden al deep learning.
Perceptrón
La unidad fundamental de las redes neuronales: cómo funciona y por qué es importante.
Tensores en Deep Learning
El lenguaje de los datos: tensores, operaciones, gradientes automáticos y los frameworks que hacen posible el deep learning.
MLP
Perceptrón multicapa: la primera arquitectura de red neuronal profunda.
Entrenamiento de Redes Neuronales
Descenso del gradiente, SGD, backpropagation y todo lo que necesitas saber para entrenar una red neuronal.
Fundamentos de NLP
Procesamiento del lenguaje natural: de Bag of Words a Word2Vec, ontologías, tokenización y la representación del texto para deep learning.
Emergencia y Leyes de Escala
Fenómenos emergentes en deep learning y leyes de escala: cuándo y por qué los modelos más grandes desarrollan capacidades inesperadas.