Diplomado de IA y AP 🎓

Este es un repositorio creado para el diplomado en Inteligencia Artificial y Aprendizaje Profundo.

Introducción 📑

• Inteligencia Artificial. Claves de su desarrollo, Slides, GitHub
• Inteligencia Artificial. Estado del Arte, Slides, GitHub
• Instalación de Anaconda (Video)
• Herramientas Digitales , GitHub
  • Imágenes en JupyterLab , GitHub

Preliminares 📚

• Programación con Python 🐍

  • Python, primeros pasos
  • Funciones en Python
  • Colecciones de Objetos en Python
  • Módulos en Python
  • Concepto de Clase en Python
  • Decoradores en Python
  • Introducción a PandasGithub
  • Tratamiento de datos con Pandas
  • Introducción a tensores con Numpy

• Probabilidad y Estadística 📊

  • Conceptos básicos de probabilidad
  • Variables aleatorias
  • Probabilidad conjunta
  • Distribuciones continuas
  • Funciones de pérdida
  • Métricas

• Algebra Lineal 📐

  • Jugando con tensores
  • Tensores y distribuciones de probabilidad

• Teoría de la Información 📰

  • Introducción a la teoría de la información

• Modelación 🔠

  • ¿Qué es modelar?
  • Ejemplos de Modelos
  • Diferenciación
  • Optimización I
  • Optimización II
  • Gradiente descendiente estocástico
  • Regresión Lineal en Python
  • Clasificación Lineal en Python

Machine Learning 🤖

• Aprendizaje de Máquinas 👓

  • Introducción a aprendizaje de máquinas
  • Conceptos básicos de regresión
  • Regresión Logística con JAX
  • Regresión Logística con Tensorflow 2.x
  • Regresión con tf.keras 2.x
  • Modelo logístico de predicción en tf.keras

• Aprendizaje de Máquinas No Supervisado 💻

  • Introducción a R
  • Introducción a aprendizaje no supervisado
  • Análisis en componentes principales, nbviewer
  • Análisis de correspondencias simples (ACS)
  • Análsis de correspondencias múltiples
  • Agrupamiento (clustering)

• Mapas auto-organizados (SOM)

  • Introducción a SOM

Aprendizaje Profundo e Inteligencia Artificial 🎆

• Introducción a redes neuronales 🧠

  • Introducción a Redes Neuronales Artificiales, Slides
  • Funciones de activación
  • Primera Red Neuronal con la API Sequential de Keras (Simulación), nbviewer [HTML]
  • Ejemplo de Visualización, nbviewer
  • Primera Red Neuronal con la API Sequential de Keras (MNIST)
  • Red Neuronal Desde Cero
  • Primera Red Neuronal con la API funcional de Keras
  • API Funcional: Modelo de Regresión multi-logística (Iris) con tf.keras 2.x
  • Regresión con tf.keras-consumo de gasolina
  • Usando Subclassing en Keras
  • Detección de Fraude en tarjetas de crédito

• Pytorch 🔥

  • Inicio rápido
  • Tensores
  • Datasets y Dataloader
  • Transformaciones
  • Optimzación con torch.autograd
  • Entrenamiento de modelos

• Tensorflow 🔥

  • Inicio rápido
  • Datasets. La API tf.data

• Redes Recurrentes 🔁

  • Introducción a modelos secuenciales
  • Introducción a redes recurrentes Github, nbviewer
  • Introducción a redes LSTM
  • Introducción a redes GRU
  • Aprendizaje profundo y series de tiempo
  • Predicción de la acción de Apple a un día, GitHub
  • Predicción de la acción de Apple a tres días, GitHub
  • Predicción de todos valores en una ventana futura, GitHub
  • Predicción de la acción de Apple a un día usando Conv-LSTM, GitHub
  • Series de tiempo Multivariadas
  • Series de tiempo muy largas
  • Tutorial Google de Series de tiempo 2021

• Autocodificadores 🔶

  • Introducción a Autocodificadores. Ejemplo MNIST Denso
  • Reconstrucción de Rostros usando LFW (Labeled Faces in the Wild) [HTML]
  • Coloración de imágenes usando CIFAR 100
  • Ejemplo eliminación de ruido con datos MNIST
  • Autocodificador Convolucional para Eliminación de Ruido
  • Aplicación a pruebas de Estado. Modelo TRI multidimensional
  • Aplicación a pruebas de Estado. Modelo TRI Muti-unidimensional

• Autocodificadores variacionales 🔷

  • Introducción a autoencoders variacionales
  • Implementación de un autoencoder variacional
  • Modelos TRI y autocodificadores variacionales

• Tratamiento de Imágenes 🖼️

  • Introducción a Convoluciones
  • Redes Neuronales Convolucionales
  • Cats Vs Dogs (Kaggle Competition)
  • Redes Profundas Modernas Github
  • Transfer Learning Github
  • Detección y Reconocimiento Facial
  • Redes Residuales
  • Audios tratados como Imágenes
  • Análisis de Sentimientos en videos
  • GANS
  • StyleGAN (Jeff Heaton)
  • Segmentación I
  • Segmentación II

• Procesamiento de Lenguaje Natural 🔡

  • Introducción al tratamiento superficial de datos
  • Generación de texto usando caracateres y redes recurrentes
  • Aprendizaje Profundo para datos textuales: word2vec
  • Estado del arte en clasificación de documentos(2020)
  • Introducción a FastText
  • Análisis de sentimiento-Tweets
  • Análisis de sentimiento-Comentario de películas
  • Modelo seq2seq. Construcción de traductores
  • Generación automática de texto. Sonetos Shakespeare

• Transformers 🎆

  • Introducción a mecanismos de atención
  • Mecanismos de atención ilustrado
  • Mecanismos de auto-atención
  • Transformers paso a paso
  • Implementación completa del Transformer en Tensorflow 2.X
  • Transformer Traductor Inglés-Español con Keras
  • Transformer Traductor Portugués-Ingles con tf2
  • Transformer Chatbot con tf2
  • Introducción al modelo BERT

• HuggingFace 😊

  • Entubamiento(pipeline)
  • Pipeline-English)
  • PLN por dentro del entubamiento
  • Modelos en HuggingFace
  • Tokenizadores
  • Modelos pre-entrenados: BERT
  • BERT - Español
  • Generación de texto: Blender y Gpt-2
  • Chatbot empresarial usando transformers

• Web Scraping

  • Web Scraping y resúmen de noticias con Google News

• Aprendizaje Reforzado 🔎

  • Introducción al Aprendizaje Reforzado
  • El problema del bandido multi-brazo
  • Q-Aprendizaje
  • Q-Aprendizaje-2 Github
  • Q-Aprendizaje con redes neuronales: DQN
  • DQN-Aprendizaje. Jugando Atari-Pong
  • Gradientes de Política
  • Algortimo doble DQN
  • Método actor-crítico
  • Algortimos de diferencia temporal
  • Aprendizaje reforzado en videojuegos. Unity

Talleres 📝

• Mi Primer Notebook
• Distribuciones de Probabilidad en Python
• Taller Pandas: COVID-19
• Gráficos con Matplotlib
• Canalización de datos. La API tf.data
• ImageDataGenerator
• Expresiones regulares con Regex
• Organización y carga de imágenes
• PLN: Calificación automática de ensayos
• Tensorboard en Pytorch
• Tensorboard en Tensorflow

Recursos 📌

• Binder
• nbviewer
• GitHub & BitBucket HTML Preview