Información administrativa
| Título | Construcción de gráficos computacionales, arquitecturas modernas |
| Duración | 60 minutos |
| Módulo | B |
| Tipo de lección | Conferencia |
| Enfoque | Técnico — Aprendizaje profundo |
| Tema | Gráficos computacionales |
Keywords
redes neuronales, gráfico computacional, conexión residual, conexión de salto, aprendizaje profundo,
Objetivos de aprendizaje
- Comprender los fundamentos de los gráficos computacionales, las conexiones residuales, las conexiones de carretera y las conexiones de salto
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- La API funcional
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Aprendizaje residual profundo para el reconocimiento de imágenes. En Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 770-778).
- Srivastava, R. K., Greff, K., y Schmidhuber, J. (2015). Redes de carreteras. arXiv preprint arXiv:1505.00387.
Opcional para estudiantes
Ninguno.
Referencias y antecedentes para estudiantes
Ninguno.
Recomendado para profesores
Ninguno.
Material didáctico
Instrucciones para profesores
En esta conferencia uno de los principales objetivos es mostrar, que las redes neuronales profundas son gráficos computacionales, que pueden escalar bien. En la conferencia se introducen arquitecturas modernas, incluyendo conexiones residuales, autopistas y saltos, que se aplican ampliamente en las redes neuronales.
Esquema
- Gráficos computacionales
- Construcción de gráficos computacionales con Keras
- Conexiones residuales
- Conexiones de autopistas
- Saltar conexiones
| Duración (Min) | Descripción |
|---|---|
| 10 | Introducción a gráficos computacionales de redes neuronales |
| 15 | Introducción de API funcional de Keras con un ejemplo |
| 10 | Descripción de las conexiones residuales con código fuente de ejemplo |
| 10 | Descripción de las conexiones de carretera con ejemplo de código fuente |
| 10 | Descripción de las conexiones de salto con el código fuente de ejemplo |
| 5 | Resumen y conclusiones |
Reconocimientos
Balint Gyires-Tóth (Universidad de Tecnología y Economía de Budapest)
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».