Workshop: Autoenconders con Deep Learning
Objetivo y Contenido:
Comprender los fundamentos de los autoencoders y aprender a implementar modelos básicos para reconstrucción de datos y extracción de características, utilizando redes neuronales en el lenguaje Python.
Módulo 1:
Introducción al aprendizaje no supervisado (1 hr)
- ¿Qué es el aprendizaje no supervisado?
Introducción a los conceptos fundamentales del aprendizaje no supervisado, sus diferencias con el aprendizaje supervisado y las principales tareas relacionadas con el descubrimiento de patrones y estructuras en los datos.
- ¿Qué es un autoencoder?
Descripción general de la arquitectura y funcionamiento de los autoencoders, incluyendo los componentes encoder y decoder
Módulo 2:
Arquitectura de un Autoencoder (1 hr)
- Arquitectura y funcionamiento de un Autoencoder
Introducción a las redes neuronales básicas aplicadas a autoencoders, analizando la función del encoder y decoder en el proceso de compresión y reconstrucción de datos.
Se analizará el concepto de espacio latente y bottleneck como mecanismos para aprender representaciones compactas de la información, así como el uso de funciones de pérdida para evaluar la calidad de la reconstrucción generada por el modelo.
Módulo 3:
Implementación práctica (2 hr)
- Implementación práctica de un Autoencoder
Desarrollo de un autoencoder, desde la preparación y organización de los datos para su uso en redes neuronales.
Construcción de la arquitectura del modelo definiendo las capas del encoder y decoder, para realizar el proceso de entrenamiento.
Evaluación de los resultados obtenidos comparando los datos originales con las reconstrucciones generadas por el modelo, analizando su desempeño y capacidad de aprendizaje.
Módulo 4:
Aplicaciones (1 hr)
- Ejemplos de los autoencoders en problemas reales
Introducción a las principales aplicaciones de los Autoencoders en problemas de inteligencia artificial y visión por computadora.
Metodología:
Presentaciones interactivas para enseñar los conceptos fundamentales de los Autoencoders, seguidas de sesiones de programación en lenguaje Python, utilizando herramientas como Google Colaboratory.
Requerimientos técnicos:
Conexión a internet, navegador web, conocimientos básicos en Python y contar con una cuenta de Gmail.