Deep Learning Neural Networks Research
Deep Learning Aplicado
Especialización en el núcleo de la IA. Matemáticas tensoriales, arquitectura de Transformers y entrenamiento eficiente de modelos fundacionales.
Fundamentos Computacionales de la Inteligencia Artificial
Una formación rigurosa para quienes buscan abrir la “caja negra”. Desde el cálculo de gradientes hasta la implementación de arquitecturas de vanguardia, este programa conecta la teoría matemática con la práctica de ingeniería en PyTorch/JAX.
Profundización Técnica
- Matemáticas para Deep Learning: Álgebra lineal avanzada, cálculo multivariable y optimización estocástica.
- Arquitecturas Neuronales Modernas: Implementación desde cero de Transformers (Attention is All You Need), Diffusion Models, y Autoencoders.
- Fine-Tuning Eficiente: Técnicas de adaptación de parámetros (LoRA, QLoRA, P-Tuning) para especializar LLMs con recursos limitados.
- Visión por Computador y Multimodalidad: Procesamiento de imágenes, vídeo y audio mediante redes neuronales profundas.
Enfoque Académico-Práctico
Combinamos el rigor de la investigación científica con la pragmática de la ingeniería. Aprenderás a leer papers de arXiv y traducirlos en implementaciones funcionales y optimizadas.