1. Presentar los principales conceptos sobre redes generativas profundas (GAN).
2. Implementar soluciones a problemas reales aplicando redes GAN.
1. Introducción al aprendizaje profundo y los modelos generativos
2. Redes generativas antagónicas (generative adversarial networks, GANs). Principios y aplicaciones.
3. Arquitectura general de las redes GAN y su diseño.
4. Resolución de problemas reales aplicando redes GAN. Ejemplos: generación de imágenes, caracterización y desagregación del consumo energético
5. Patologías comunes de las GAN.
6. El framework Lipizzaner. Entrenamiento co-evolutivo y distribuido para mejorar el rendimiento de las redes GAN
_____________________________________________________________________________________________
Para estudiantes de posgrado, la evaluación involucra la realización de un mini-proyecto (trabajo final) aplicando los conceptos presentados en el curso. Modalidad: trabajo individual.
Para estudiantes de educación permanente, la evaluación involucra la realización de un mini-proyecto (trabajo final) aplicando los conceptos presentados en el curso. Modalidad: trabajo en grupos de dos estudiantes.
_____________________________________________________________________________________________