Módulo 4. Deep Learning y Visión Artificial
Construcción y entrenamiento de redes neuronales profundas aplicadas a imagen y audio: del perceptrón multicapa a las redes convolucionales, el transfer learning, la detección y segmentación, los Vision Transformers y los modelos multimodales, con control explícito del coste computacional.
Créditos6 ECTS
Horas150 h
Unidades4
Sesiones12
Todos los módulos Guía docente · Rúbrica
Competencias específicas
- Comprender la arquitectura de redes neuronales.
- Aplicar CNNs a problemas de visión.
- Utilizar transfer learning con modelos preentrenados.
- Preparar datos de imagen/audio.
- Valorar costes y recursos de DL.
Resultados de aprendizaje
- Define una red sencilla y la entrena.
- Usa un modelo preentrenado para un problema propio.
- Prepara datos de imagen correctamente.
- Conoce el papel de transformers y audio.
- Documenta el experimento.
Unidades didácticas y sesiones
| # | Sesión | Teoría | Práctica |
|---|---|---|---|
| UD1. Redes neuronales y entrenamiento · 15 h teóricas / 20 h prácticas Capas, activaciones, funciones de pérdida, optimizadores. | |||
| S01 | Del perceptrón a la red multicapa | Presentación | Cuaderno |
| S02 | Retropropagación y optimización del entrenamiento | Presentación | Cuaderno |
| S03 | Regularización y entrenamiento práctico de redes profundas | Presentación | Cuaderno |
| UD2. Visión por computador con CNNs · 15 h teóricas / 25 h prácticas Clasificación de imágenes. Preprocesado y augmentations. | |||
| S04 | Redes convolucionales: fundamentos y primer clasificador | Presentación | Cuaderno |
| S05 | Preparación y aumentación de datos de imagen | Presentación | Cuaderno |
| S06 | Taller de clasificación de imágenes: iteración y análisis de errores | Presentación | Cuaderno |
| UD3. Modelos preentrenados y transfer learning · 15 h teóricas / 25 h prácticas Uso de Hugging Face/torchvision. Fine-tuning con datasets pequeños. | |||
| S07 | Arquitecturas de referencia y transfer learning | Presentación | Cuaderno |
| S08 | El ecosistema de modelos preentrenados: torchvision, timm y Hugging Face | Presentación | Cuaderno |
| S09 | Ajuste fino con conjuntos de datos pequeños | Presentación | Cuaderno |
| UD4. Secuencias, audio y eficiencia · 15 h teóricas / 20 h prácticas Transformers básicos. Introducción a STT/TTS. Consideraciones de hardware/coste. | |||
| S10 | Transformers básicos y modelado de secuencias | Presentación | Cuaderno |
| S11 | Taller integrador: voz, hardware y coste del sistema | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |