Contenidos del curso de Deep Learning del Máster Universitario Oficial en Ingeniería Informática de la Universidad de Sevilla.
Libros de referencia:
- Deep Learning with Python, F. Chollet, y su repositorio en GitHub, de donde se han adaptado algunas prácticas.
- Hands-On Machine Learning with Scikit-Learn and PyTorch, A. Geron, y su repositorio en GitHub, de donde se han adaptado algunas prácticas.
Cursos de referencia:
- CS231n: Convolutional Neural Networks for Visual Recognition, Andrej Karphaty, Justin Johnson, Fei-Fei Li (Standford)
- Deeplearning.ai, Andrew Ng
- TinyML and Efficient Deep Learning Computing, Song Han
- Machine Learning, Andrew Ng (Coursera and Standford)
- Deep Learning 2018/19, Fernando Sancho
Otro material de referencia:
- Fundamentals of Deep Learning, NVIDIA Deep Learning Institute, una copia del código
- Deep Learning Teaching Kit, NVIDIA & NYU
- Generative AI Teaching Kit, NVIDIA & Dartmouth College
Los Notebooks de las prácticas fue desarrollado con PyTorch 2.9, CUDA 12.1, y Python 3.9.
Important note: I do not own the copyright of the images employed in the slides and the Jupyter notebooks.
Esta es la versión 3 del curso (a partir del curso 2025), la versión 2 está disponible en el repositorio de los años 2019-2024. La versión 1 sigue estando disponible en el repositorio para el curso en 2018.
Cambios en la versión 3:
- Cambio de plataforma Keras/Tensorflow por PyTorch.
- Estructura de módulos más unificada.
- Refuerzo de conceptos de métricas para evaluar modelos.
- Se mueve la parte de GPU al módulo 4.
- Se introduce un tema (módulo 4) y una práctica (módulo 5) para despliegue de modelos.
- Se introduce una práctica de localización de objetos.
- Se reduce la parte de redes recurrentes y se introduce un poco más de contenido de transformers.