Material de las clases teóricas (pizarrones y videos)

Clase extra de la cursada 2022

• Parte única: Mecanismos de atención y transformers
  Clase invitada a cargo del Dr. Pablo Duboue.
  Video clase extra 2022

Clase 27: Jueves 30 de noviembre de 2023

• Parte única: Aprendizaje por refuerzo.
  Clase invitada a cargo de la Ing. Rebeca Yuan (UTN, FR San Francisco)
  Pizarrón clase 27 parte 1     Video clase 27 parte 1

Clase 26: Jueves 23 de noviembre de 2023

• Parte única: Las redes neuronales recurrentes. Un poco de historia. El modelo de Hopfield para memoria asociativa.
  Pizarrón clase 26 parte 1     Video clase 26 parte 1

Clase 25: Martes 21 de noviembre de 2023

• Parte 1: Las redes neuronales convolucionales.
  Pizarrón clase 25 parte 1     Video clase 25 parte 1


• Parte 2: Presentación del Trabajo Final Integrador sugerido (fuertemente sugerido).
  Pizarrón clase 25 parte 2     Video clase 25 parte 2

Clase 24: Jueves 16 de noviembre de 2023

• Parte 1: 4. Descenso por el gradiente estocástico con momento y adaptación. El método ADAM. 5. Regularizaciones.
  Pizarrón clase 24 parte 1     Video clase 24 parte 1


• Parte 2: 6. La entropía cruzada como medida de error (loss) y su aplicación al problema de clasificación.
  Pizarrón clase 24 parte 2     Video clase 24 parte 2

Clase 23: Martes 14 de noviembre de 2023

• Parte 1: Una vez más, repaso de los problemas del back-propagation original. Algunas mejoras indispensables que dieron lugar al aprendizaje profundo. 1. ¿Cómo preentrenar los parámetros sinápticos de forma no supervisada? Apilamiento de auto-encoders. ¿Qué es un auto-encoder? ¿Cómo pre-entrenar con auto-encoders?
  Pizarrón clase 23 parte 1     Video clase 23 parte 1


• Parte 2: 2. Cómo evitar la supresión del gradiente cambiando las funciones de activación. ReLU, Leaky ReLU y ELU. 3. Cómo evitar quedar atrapado en mínimos locales y evitar las demoras de los puntos de ensilladura: el descenso por el gradiente estocástico. El concepto de minibatch. El concepto de dropout. 4. Descenso por el gradiente con memoria y adaptación. El método del momento. El método de Nesterov. El método RPROP.
  Pizarrón clase 23 parte 2     Video clase 23 parte 2

Clase 22: Jueves 9 de noviembre de 2023

• Parte 1: La relación entre el error en la muestra y el error fuera de la muestra.
  Pizarrón clase 22 parte 1     Video clase 22 parte 1


• Parte 2: Las dificultades de entrenar una red feed-forward profunda (con muchas capas ocultas). La supreción del gradiente.
  Pizarrón clase 22 parte 2     Video clase 22 parte 2

Clase 21: Martes 7 de noviembre de 2023

• Parte 1: Las redes neuronales como aproximadoras universales de funciones.
  Pizarrón clase 21 parte 1     Video clase 21 parte 1


• Parte 2: Una analogía con las ciencias naturales. Regresión transparente versus regresión opaca. La regresión como aproximación universal de una función objetivo continua.
  Pizarrón clase 21 parte 2     Video clase 21 parte 2


• Parte 3: La regersión polinomial como ejemplo. Subajuste y sobre ajuste. El rol del número de parámetros a ajustar. El rol del número de puntos medidos.
  Pizarrón clase 21 parte 3     Video clase 21 parte 3

Clase 20: Jueves 2 de noviembre de 2023

• Parte 1: Las redes feed-forward con una única capa oculta.
  Pizarrón clase 20 parte 1     Video clase 20 parte 1


• Parte 2: El método de retro propagación del error (back-propagation). El algoritmo en pseudo-código. Actualización en lote (batch) o en línea (on line). Complejidad y profundidad. Generalización del método de retro propagación del error para un número arbitrario de capas ocultas.
  Pizarrón clase 20 parte 2     Video clase 20 parte 2


• Parte 3: Formalización de los métodos de aprendizaje supervisado. Conjunto de entrenamiento, modelo y función error (loss). Error en la muestra y fuera de la muestra. Validación cruzada.
  Pizarrón clase 20 parte 3     Video clase 20 parte 3

Clase 19: Jueves 26 de octubre de 2023

• Parte única: Repaso del perceptrón simple. El descenso por el gradiente y sus complicaciones. Interpretación gráfica de las complicaciones.
  Pizarrón clase 19 parte única     Video clase 19 parte única

Clase 18: Martes 24 de octubre de 2023

• Parte 1: Repaso de la neurona como clasificador. Estabilidad de la solución. El algoritmo.
  Pizarrón clase 18 parte 1     Video clase 18 parte 1


• Parte 2: El perceptrón simple como neuronal lineal. El regresor lineal. Equivalencia con el problema estadístico de regresión lineal. El algoritmo de descenso por el gradiente. El perceptrón simple con neurona no lineal. Generalización del descenso por el gradiente para el caso no lineal. Las diferentes funciones de activación no lineales.
  Pizarrón clase 18 parte 2     Video clase 18 parte 2

Clase 17: Jueves 19 de octubre de 2023

• Parte única: El cerebro como un fenómeno crítico. Argumentos a favor y en contra.
  Clase a cargo del Prof. Lic. Benjamín Marcolongo (FAMAF y IFEG).
  Video clase 17 parte única

Clase 16: Martes 17 de octubre de 2023

• Parte 1: Modelos de sistemas neuronales (y no neuronales) en cronobiología.
  Clase a cargo de la Prof. Dra. Paula Nieto (FAMAF y IFEG).
  Pizarrón clase 16 parte única     Video clase 16 parte única

Clase 15: Jueves 12 de octubre de 2023

• Parte 1: El umbral como una sinapsis más. Un ejemplo muy simple: un perceptrón de dos entradas y sin umbral. Representación gráfica del vector de entrada y del vector de sinapsis. Problemas linealmente separables.
  Pizarrón clase 15 parte 1     Video clase 15 parte 1


• Parte 2: El algoritmo del perceptrón.
  Pizarrón clase 15 parte 2     Video clase 15 parte 2

Clase 14: Martes 10 de octubre de 2023

• Parte 1: Redes neuronales para aprendizaje automático. La neurona de McCullogh y Pitts. Unidad de umbral. El aprendizaje automático. Redes feed-forward. Las conexiones sinápticas. Las redes de una capa. Las redes de dos o más capas. El perceptrón simple.
  Pizarrón clase 14 parte 1     Video clase 14 parte 1


• Parte 2: Las diferentes funciones de activación. Aprendizaje supervisado en un perceptrón simple.
  Pizarrón clase 14 parte 2     Video clase 14 parte 2

Clase 13: Jueves 5 de octubre de 2023

• Parte 1: Bifurcaciones en sistemas dinámicos bidimensionales.
  Pizarrón clase 13 parte 1     Video clase 13 parte 1


• Parte 2: Sistemas dinámicos en tres dimensiones. El sistema de Lorenz. Los atractores extraños. Trayectorias caóticas.
  Pizarrón clase 13 parte 2     Video clase 13 parte 2

Clase 12: Martes 3 de octubre de 2023

• Parte 1: El efecto de la no linealidad en los centros. El caso de fuerzas conservativas y la existencia de infinitas soluciones cerrados alrededor un punto fijo con parte real nula.
  Pizarrón clase 12 parte 1     Video clase 12 parte 1


• Parte 2: Dos ejemplos ilustrativos. El modelo predador-preza. El caso de dos especies que compiten por el mismo recurso.
  Pizarrón clase 12 parte 2     Video clase 12 parte 2

Clase 11: Jueves 28 de septiembre de 2023

• Parte 1: Repaso de la clase anterior. Diagrama de fases del sistema cerca del punto fijo en función de la traza y el determinante de la matriz jacobiana de dicho punto fijo. El efecto de la no-linealidad sobre el comportamiento del sistema cerca del punto fijo.
  Pizarrón clase 11 parte 1     Video clase 11 parte 1


• Parte 2: Dos ejemplos ilustrativos. El modelo predador-preza. El caso de dos especies que compiten por el mismo recurso.
  Pizarrón clase 11 parte 2     Video clase 11 parte 2

Clase 10: Martes 26 de septiembre de 2023

• Parte 1: Sistemas dinámicos bidimensionales. Estabilidad lineal. El jacobiano. Repaso de autovalores y autoctores. Su significado en el estudio de la estabilidad lineal.
  Pizarrón clase 10 parte 1     Video clase 10 parte 1


• Parte 2: Tipos de atractores en dos dimensiones. Los puntos de ensilladura. Las espirales estables e inestables. Los centros.
  Pizarrón clase 10 parte 2     Video clase 10 parte 2

Clase 9: Martes 19 de septiembre de 2023

• Parte 1: Bifurcaciones supercríticas y subcríticas.
  Pizarrón clase 9 parte 1     Video clase 9 parte 1


• Parte 2: El problema de dos Ecuaciones Diferenciales Ordinarias acopladas y autónomas. Una introducción
  Pizarrón clase 9 parte 2     Video clase 9 parte 2

Clase 8: Jueves 14 de septiembre de 2023

• Parte 1: Teoría de bifurcaciones en sistemas dinámicos unidimensionales. La bifurcación saddle-node.
  Pizarrón clase 8 parte 1     Video clase 8 parte 1


• Parte 2: La bifurcación transcrítica.
  Pizarrón clase 8 parte 2     Video clase 8 parte 2

Clase 7: Martes 12 de septiembre de 2023

• Parte 1: Un modelo simple para explicar el comportamiento del potencial de membrana de una célula. El caso de una neurona y el modelo Integrate and Fire.
  Pizarrón clase 7 parte 1     Video clase 7 parte 1


• Parte 2: El concepto de potencial en un sistema dinámico unidimensional. El concepto de campo de pendientes.
  Pizarrón clase 7 parte 2     Video clase 7 parte 2

Clase 6: Jueves 7 de septiembre de 2023

• Parte 1: Seminario invitado a cargo del Dr. Nicolás Unsain. "Todo lo que siempre quiso saber sobre las neuronas (de verdad) y nunca se anima a preguntar"
  Pizarrón clase 6 parte 1     Video clase 6 parte 1


• Parte 2: Preguntas de las y los esteudiantes al Dr. Nicolás Unsain.
  Video clase 6 parte 2

Clase 5: Martes 5 de septiembre de 2023

• Parte 1: Estudio de la estabilidad lineal de los puntos fijos en sistemas autónomos unidimensionales.
  Pizarrón clase 5 parte 1     Video clase 5 parte 1


• Parte 2: El problema de valor inicial. Teorema. Integración numérica de una EDO con valor inicial. El método de Euler y el otros métodos. Un ejemplo: la ecuación logística.
  Pizarrón clase 5 parte 2     Video clase 5 parte 2

Clase 4: Jueves 31 de agosto de 2023

• Parte 1: Cómo tratar los sistemas autónomos. Cómo tratar los sistemas de EDO de orden superior. Aclaraciones sobre notación e intereses de esta materia.
  Pizarrón clase 4 parte 1     Video clase 4 parte 1


• Parte 2: Sistemas dináamicos unidimensionales. El flujo en la línea. El concepto de atractor. Atractor estable e inestable.
  Pizarrón clase 4 parte 2     Video clase 4 parte 2

Clase 3: Martes 29 de agosto de 2023

• Parte 1: Las redes neuronales naturales y artificiales. El cerebro, las neuronas y las sinapsis. El paradigma conexionista. La neurona de McCullogh y Pitts. Su funcionamiento. El umbral y la función de activación escalón.
  Pizarrón clase 3 parte 1     Video clase 3 parte 1


• Parte 2: El aporte de la física a la neurociencia. Para qué usamos las redes neuronales artificiales.
  Pizarrón clase 3 parte 2     Video clase 3 parte 2

Clase 2: Jueves 24 de agosto de 2023

• Parte 1: El nuevo paradigma de la computación basado en el funcionamiento de los cerebros. La diferencia entre clasificar y hacer una regresión. Ejemplo y discusión sobre el rol de la regresión en las ciencias naturales.
  Pizarrón clase 2 parte 1     Video clase 2 parte 1


• Parte 2: Una primera introdución a los sistemas dinámicos. El concepto de ecuación diferencial ordinaria. Sistema de ecuaciones diferenciales ordinarias. Sistemas autónomos.
  Pizarrón clase 2 parte 2     Video clase 2 parte 2

Clase 1: Martes 22 de agosto de 2023

• Parte 1: El contexto histórico y la cuarta revolución tecnológica. Definición de IA y Aprendizaje automático. Los tres pilares de la IA: capacidad de cálculo, datos profusos y algoritmos eficientes.
  Pizarrón clase 1 parte 1     Video clase 1 parte 1


• Parte 2: El transistor y su rol en la vida moderna. La evolución exponencial de la tecnología de transistores y circuitos integrados, de los datos y de las redes neuronales.
  Pizarrón clase 1 parte 2     Video clase 1 parte 2