Deep Learning con Keras Avanzado

Programa Jornadas

Los próximos martes y viernes se impartirá un ciclo de seminarios sobre Deep Learning con Keras Avanzado.

Serán de 9:30h a 11:30h, en el Laboratorio S003 del Edificio de Laboratorios III  campus de Móstoles.

Sesión 1: Martes     07/05/2019.

Reconocimiento con una sola muestra (OneShot learning/Metric learning)

Sesión 2: Viernes   10/05/2019.

Redes Convolucionales Completas y redes Deconvolucionales para detección y segmentación

Sesión 3: Martes     14/05/2019.

Modelos de ramificación y atención en Redes Neuronales Recurrentes

Sesión 4:Viernes   17/05/2019.

Modelos generativos: Antoencoder Variacionales,Redes adversariales, Autoregresivas ,Mezcla de distribuciones.

Sesión 5: Martes     21/05/2019.

Aprendizaje por refuerzo profundo Deep Q-learning y Gradiente de Políticas.

Los  seminarios tendrán una duración aproximada  de 2 horas.

Aprobado Reconocimiento Académico de Creditos de 1,0 Creditos ECTS, 0,2 creditos por sesión.

Evento URJC: http://eventos.urjc.es/35037/detail/jornadas_-dee-learning-con-keras-avazados.html

Interesados en asistir inscribirse en el siguiente Doodle:

https://doodle.com/poll/gmx62f7h52esza7s

Gracias

Francisco Dominguez Mateos

Próximo ciclo de Seminarios sobre Deep Learning con Keras

Los próximos martes se impartirá un ciclo de seminarios sobre Deep Learning con Keras.
Serán en el Laboratorio S003 del Edificio de laboratorios III, campus de Móstoles.

  • Introducción a DeepLearning con Keras
    • Sesion 1: Martes    26/02/2019.  Aprendizaje Automático y Deep Learning
    • Sesion 2: Martes    05/03/2019.  Redes Neuronales Multicapa
    • Sesion 3: Martes    12/03/2019.  Redes Neuronales Convolucionales
    • Sesion 4: Martes    19/03/2019.  Redes Neuronales Recurrentes (LSTM)

Los seminarios tendrán una duración aproximada de 2 horas.

Si el alumno firma en la hoja de asistencia se le reconocerán 2 horas de créditos.

El acceso es libre hasta que se llene el laboratorio unos 25 puestos.

Podéis asistir a los seminarios que os interesen, no hay que asistir a todos, si bien hay una continuidad de aprendizaje y si no tenéis las bases para el seminario os costara mas trabajo entenderlo.

En esta direccion de doodle podeis identificaros e indicar vuestra asistencia:

https://doodle.com/poll/26ghqhszy5mftu5n

Esperamos que aprendáis.

Sesión 6.-DeepLearning6/5: Redes Adversarias Generativas

Muchísimas gracias a todos los que vinisteis a la sesión anterior.

La convocatoria es Jueves 6/7/2017, S003 Laboratorios III, Campus Móstoles, Universidad Rey Juan Carlos, de 19:00 a 21:00.

Veremos Redes Adversarias Generativas, donde aprenderemos como hacer que nuestro programa imagine cosas. Según Jan LeCun es el mejor invento después de backpropagation.

Para acceder al contenido de esta  sesión sigue este enlace.

Gracias a todos y seguimos aprendiendo.

Francisco Domínguez

Sesión 5.-DeepLearning5/5: Aprendizaje por refuerzo profundo

Muchísimas gracias a todos los que vinisteis a la sesión anterior.

Aun hay plaza para nuevas incorporaciones.

Añádete a las sesiones a las que quieras asistir.

La convocatoria es Jueves 29/6/2017, S003 Laboratorios III, Campus Móstoles, Universidad Rey Juan Carlos, de 19:00 a 21:00. Estaba previsto para el miércoles pero es el jueves.

Aviso: La semana que viene hay una sesión adicional donde aprenderemos Redes Adversarias Generativas, donde aprenderemos como hacer que nuestro programa imagine cosas. Según Jan LeCun es el mejor invento después de backpropagation.

En esta sesión introduciremos el aprendizaje por refuerzo, veremos un primer ejemplo sin deep learning, motivaremos la necesidad de deep learning y veremos dos técnicas:

  • Deep Q-learning
  • Aprendizaje de Gradientes de Políticas

En el siguiente vídeo se puede ver como evoluciona el aprendizaje para jugar a Galaxian.

Para acceder al contenido de esta segunda sesión sigue este enlace.

Gracias a todos y seguimos aprendiendo.

Francisco Domínguez

Sesión 4.- DeepLearning4/5: Redes Neuronales Recurrentes

Muchísimas gracias a todos los que vinisteis a la sesión anterior.

Aun hay plaza para nuevas incorporaciones.

Añádete a las sesiones a las que quieras asistir.

La convocatoria es Jueves 22/6/2018, S003 Laboratorios III, Campus Móstoles, Universidad Rey Juan Carlos, de 19:00 a 21:00.

En esta sesión nos introduciremos en las Redes Neuronales Recurrentes, donde aprenderemos a construir redes neuronales que procesan secuencias de datos, donde el orden de los datos es importante.

Una de las muchas aplicaciones que tienen la redes neuronales recurrentes la podéis ver en el siguiente vídeo, donde se le muestran imágenes y describe lo que hay en ella.

Para acceder al contenido de esta segunda sesión sigue este enlace.

Gracias a todos y seguimos aprendiendo.

Francisco Domínguez

 

Sesión 3.- DeepLearning3/5: Redes Neuronales Convolucionales

Muchísimas gracias a todos los que vinisteis a la sesión anterior.

Aun hay plaza para nuevas incorporaciones.

Añádete a las sesiones a las que quieras asistir.

La convocatoria es Jueves 15/6/2018, S003 Laboratorios III, Campus Móstoles, Universidad Rey Juan Carlos, de 19:00 a 21:00.

En esta sesión veremos las Redes Neuronales Convolucionales, que nos permiten ahorrar recursos y atacar problemas más grandes, utilizando la técnica de compartir pesos. Nos introduciremos en TensorFlow y Keras. Finalmente veremos un caso práctico en el que enseñamos a conducir un coche en un simulador a partir de las imágenes capturadas desde  tres cámaras simuladas. Algo parecido a lo que hizo Nvidia , en Septiembre de 2016, en este video:


Para acceder al contenido de esta segunda sesión sigue este enlace.

Gracias a todos y seguimos aprendiendo.

Francisco Domínguez

Sesión 2.- DeepLearning2/5: Redes Neuronales Multicapa

Muchísimas gracias a todos los que vinisteis a la primera sesión.

Estoy abrumado por el éxito obtenido y espero se repita en esta segunda sesión.

Para que no haya problemas de espacio, he creado un doodle donde podéis apuntaros los que queráis asistir al resto de sesiones. Si en alguna sesión hay más de las 22 plazas que tenemos en el S003, intentaré reservar un aula mayor y os avisaré, en caso contrario seguiremos en el S003, como estaba planificado.

Añádete a las sesiones a las que quieras asistir.

La convocatoria es Jueves 8/6/2018, S003 Laboratorios III, Campus Móstoles, Universidad Rey Juan Carlos, de 19:00 a 21:00.

Presentamos un repertorio de herramientas que nos permitirán aprender los conceptos relacionados con las Redes Neuronales Multicapa, como: la propagación hacia delante, Forward Propatation y la propagación hay atrás, Backpropatation. Desde sus dos perspectivas: la tradicional y la basada en Diferenciación Automática. Finalmente pondremos en práctica todo lo aprendido jugando con la implementación de pyBackPropNets, una pequeña aplicación que nos permitirá trabajar con redes profundas.

Para acceder al contenido de esta segunda sesión sigue este enlace.

Gracias a todos y seguimos aprendiendo.

Francisco Domínguez

Seminarios Académicos (2016-2017)

A continuación se muestran los Seminarios Académicos planificados para el curso 2016-2017.

Serán todos los jueves de 19:00 a 21:00 (hora y días tentativos a confirmar en cada sesión) en el Laboratorio S003 del Edificio de laboratorios III, campus de Móstoles.

  • Introducción a DeepLearning
    • Sesion 1: Jueves    01/06/2017.  Aprendizaje Automático y Deep Learning
    • Sesion 2: Jueves    08/06/2017.  Redes Neuronales Multicapa
    • Sesion 3: Jueves    15/06/2017.  Redes Neuronales Convolucionales
    • Sesion 4: Jueves    22/06/2017.  Redes Neuronales Recurrentes (LSTM)
    • Sesion 5: Miercoles  28/06/2017.  Aprendizaje por refuerzo profundo

Los seminarios tendrán una duración aproximada de 2 horas.

Si el alumno firma en la hoja de asistencia se le reconocerán 2 horas de créditos.

El acceso es libre hasta que se llene el laboratorio unos 25 puestos.

Podéis asistir a los seminarios que os interesen, no hay que asistir a todos, si bien hay una continuidad de aprendizaje y si no tenéis las bases para el seminario os costará más trabajo entenderlo.

Esperamos que aprendáis.

Introducción a ROS 4/4: Navegación

Hola

Esta semana acabamos el ciclo de seminarios sobre:

ROS el Sistema Operativos de los Robots.

Los temas de los seminarios que vermos en este ciclo son:

  • Conceptos básicos
  • Percepción, Actuación, visualización y Modelo URDF
  • Desarrollo: servicios, topic
  • Navegación

El próximo Jueves 17 de Diciembre de 2015 a las 14:00 se impartirá el cuarto y último seminario donde veremos como configurar un robot para posteriormente enviarle ordenes de navegación y que se desplace de forma autónoma donde le digamos.

Como siempre el lugar será el laboratorio S003 del Edificio de Laboratorios III en Móstoles.

Cada seminario contará como 2 horas de créditos. Tendrá una duración aproximada de 2 horas. Los alumnos firmarán en una hoja de asistencia que pasaré a la escuela para que contabilice los créditos.

Para más información: http://www.lite.etsii.urjc.es/asa

Un saludo y seguimos aprendiendo.
Paco

Introduccion a ROS 3/4: Desarrollo servicios y topics

Hola

Esta semana seguimos con el tercer seminario de:

ROS el Sistema Operativos de los Robots.

Los temas de los seminarios que vermos en este ciclo son:

  • Conceptos básicos
  • Percepción, Actuación, visualización y Modelo URDF
  • Desarrollo: servicios, topic
  • Navegación

El próximo Jueves 10 de Diciembre de 2015 a las 12:30 se impartirá el tercer seminario donde veremos como programar nuestros propios nodos ofreciendo servicios y topics al sistema. Vereremos varios ejemplos de nodos para percepción y actuación en Python y C++ y desarrollaremos dos nodos uno que emite topics y el otro que los recibe.

Como siempre el lugar será el laboratorio S003 del Edificio de Laboratorios III en Móstoles.

Cada seminario contará como 2 horas de créditos. Tendrá una duración aproximada de 2 horas. Los alumnos firmarán en una hoja de asistencia que pasaré a la escuela para que contabilice los créditos.

Para más información: http://www.lite.etsii.urjc.es/asa

Un saludo y seguimos aprendiendo.
Paco