Información administrativa
| Título | Aprendizaje semisupervisado y no supervisado |
| Duración | 45-60 |
| Módulo | C |
| Tipo de lección | Conferencia |
| Enfoque | Técnico — Futuro AI |
| Tema | Avances en los modelos ML a través de una lente HC — Un estudio orientado a resultados |
Keywords
aprendizaje supervisado, no supervisado, semisupervisado, autosupervisado,
Objetivos de aprendizaje
- Comprender los métodos de aprendizaje supervisados y no supervisados
- Ser capaz de distinguir entre el aprendizaje semi-supervisado y el aprendizaje auto-supervisado
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Introducción al aprendizaje automático y a los conceptos de aprendizaje profundo impartidos en conferencias anteriores
Opcional para estudiantes
Referencias y antecedentes para estudiantes
- Métodos de aprendizaje automático — Computerphile
- Aprendizaje semisupervisado explicado
- FixMatch: Simplificando el aprendizaje semisupervisado con coherencia y confianza
- Wav2vec: Reconocimiento de voz de última generación a través de la autosupervisión
- Clasificador de texto SALNET
- De la visión al lenguaje: Aprendizaje semisupervisado en acción a escala
- Autoentrenamiento para el reconocimiento del discurso de extremo a extremo
- ¿Qué es el aprendizaje autosupervisado?
- Yann LeCun: Materia oscura de inteligencia y aprendizaje autosupervisado — Lex Fridman Podcast
- Jure Žbontar — Barlow Twins: Aprendizaje autosupervisado a través de la reducción de la redundancia
- Aprendizaje autosupervisado: Autopredicción y Aprendizaje Contrastivo — Tutorial, NeurIPS 2021
Recomendado para profesores
Ninguno.
Material didáctico
Instrucciones para profesores
El objetivo de esta conferencia es centrarse en las técnicas de aprendizaje que nos permiten construir modelos en ausencia de datos de capacitación etiquetados. En otras palabras, construir sistemas que aprendan más como los humanos. La conferencia debe centrarse en nuevos enfoques en técnicas de aprendizaje semisupervisadas y autosupervisadas que reduzcan o eliminen el requisito de conjuntos de datos etiquetados. La conferencia debe:
- Resumir los modelos de aprendizaje automático supervisados y no supervisados y sus limitaciones
- Explicar los conceptos detrás del aprendizaje semi-supervisado y dar algunos ejemplos
- Explicar los conceptos detrás del aprendizaje autosupervisado y dar algunos ejemplos
- Identificar y describir áreas de aplicación adecuadas y tipos de problemas para el aprendizaje semisupervisado y autosupervisado
Esquema
| Duración | Descripción | Conceptos | Actividad | Material |
|---|---|---|---|---|
| 10 min | Revisión del aprendizaje supervisado y no supervisado | Datos etiquetados, datos no etiquetados, clasificación, agrupación, reducción de dimensionalidad, limitaciones y problemas (coste de los datos de etiquetado) | Sesión enseñada y ejemplos | Material didáctico |
| 10 min | Aprendizaje semisupervisado | Definición de aprendizaje semisupervisado (aprendizaje con datos etiquetados limitados), modelo de autoformación, pseudoetiquetado, niveles de confianza, formación conjunta, propagación de etiquetas basadas en gráficos | Sesión enseñada y ejemplos | Material didáctico |
| 10 min | Aprendizaje autosupervisado | Definición de aprendizaje autosupervisado (aprendizaje sin datos etiquetados), tarea de pretexto, tarea descendente, aprendizaje contrastante | Sesión enseñada y ejemplos | Material didáctico |
| 10 min | Casos de uso y áreas de aplicación | Aprendizaje semisupervisado (etiquetado de audio, clasificación de contenido web, clasificación de documentos de texto), Aprendizaje autosupervisado (localización de parches, predicación de píxeles consciente del contenido, predicación de la siguiente oración, modelado de lenguaje autorregresivo, detección del discurso de odio) | Sesión enseñada y ejemplos | Material didáctico |
| 5 min | Conclusión, preguntas y respuestas | Resumen | Conclusiones | Material didáctico |
Reconocimientos
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».