IA en Psicología y Neurociencias: Análisis de Imágenes Médicas y Machine Learning Aplicado en Audio

IA y Neuroingeniería: Detección de Patrones Epileptogénicos con Redes Neuronales | Victoria Peterson

Charla informativa | Análisis de Datos

Inteligencia Artificial General y el Debate sobre el riesgo existencial

Análisis de Datos: Calidad de Datos

Curso de Inferencia Causal

IA y Neurociencia: estudiar el cerebro con IA para mejorar la Inteligencia Artificial - Diego Slezak

¿Por qué estudiar Inteligencia Artificial en 2023?

Cierre del Concurso de Arte Generativo!!

Probamos ChatGPT: el chatbot más potente del mundo

¿Cómo Funcionan los Modelos de Difusión?

Creación de imágenes con IA - DALL·E 2, Midjourney, Stable Diffusion

Modelos de Difusión - DALL·E 2, Midjourney, Stable Diffusion

Conceptos de Airflow - Ingeniería de datos con GCP - Clase 5

GANs: Redes Generativas Adversarias | Computer Vision | Clase 7

Fully Convolutional Networks: Redes Totalmente Convolucionales | Computer Vision | Clase 6 (Parte 3)

Convoluciones Transpuestas | Computer Vision | Clase 6 (Parte 2)

Segmentación Semántica | Computer Vision | Clase 6 (Parte 1)

Detección de Objetos | Computer Vision | Clase 5

Transferencia de Estilos | Computer Vision | Clase 4 (Parte 3)

Transferencia del Conocimiento: Fine-Tuning | Computer Vision | Clase 4 (Parte 2)

Transferencia del Conocimiento: Visualización de las Features | Computer Vision | Clase 4 (Parte 1)

Entrenando desde Cero un Transformer para Visión con Pytorch | Computer Vision | Clase 8 (Parte 3)

ResNet y DenseNet: Redes Residuales con Batch Normalization | Computer Vision | Clase 3 - Parte 3

VGG, NiN y GoogLeNet: Arquitecturas basadas en Bloques | Computer Vision | Clase 3 - Parte 2

ImageNet, AlexNet y el Cambio de Paradigma en Computer Vision | Computer Vision | Clase 3 - Parte 1

Convoluciones | Computer Vision | Clase 2

Introducción a Procesamiento de Imágenes con OpenCV | Computer Vision | Clase 1

BERT: Transformers Bidireccionales | NLP | Clase 7

Transformers: Implementación en PyTorch | NLP | Clase 6 - Parte 2

Transformers: Solo Debemos Prestar Atención | NLP | Clase 6 - Parte 1

Mecanismos de Atención | NLP | Clase 5

Modelos de Secuencia a Secuencia (Seq2Seq) | NLP | Clase 4

Entrenando Word2Vec con PyTorch | NLP | Clase 3 Parte 2

Embeddings de Palabras | NLP | Clase 3 Parte 1

Embeddings Pre-Entrenados | NLP | Clase 3 Parte 3

LSTM y GRU: RNNs con Compuertas | NLP | Clase 2 Parte 2

Redes Neuronales Recurrentes | NLP | Clase 2 Parte 1

Introducción al Procesamiento de Lenguaje Natural | NLP | Clase 1

Algoritmos de Optimización | Deep Learning | Clase 6

Regularización L2 y Dropout | Deep Learning | Clase 5 - Parte 3

Selección de Modelos: K-Fold Cross Validation | Deep Learning | Clase 5 - Parte 2

Error de Generalización: Overfitting, Bias y Varianza | Deep Learning | Clase 5 - Parte 1

Pytorch: Aceleración por GPU con CUDA | Deep Learning | Clase 4 - Parte 2

Pytorch: Modelos Personalizados, Parámetros y Persistencia | Deep Learning | Clase 4 - Parte 1

Backpropagation y Autograd | Deep Learning | Clase 3 - Parte 2

Redes Multicapa: MLP | Deep Learning | Clase 3 - Parte 1

Redes de una capa: Clasificación con Softmax | Deep Learning | Clase 2 - Parte 2

Redes de una capa: Regresión Lineal | Deep Learning | Clase 2 - Parte 1

Intro a PyTorch: Tensores, DataLoaders y Autograd | Deep Learning | Clase 1 - Parte 2

De Machine Learning a Deep Learning | Deep Learning | Clase 1 - Parte 1

Aprendizaje no supervisado - Machine Learning - Clase 10 - Parte 1

Aprendizaje no supervisado - Machine Learning - Clase 10 - Parte 2

Aprendizaje no supervisado - Machine Learning - Clase 10 - Parte 3

IA para Psicología y Neurociencias - Clase 3

Estadística - Matemáticas para Cs. de Datos y Aprendizaje Automático - Clase #7

Probabilidad - Matemáticas para Cs. de Datos y Aprendizaje Automático - Clase #6

Optimización - Matemáticas para Cs. de Datos y Aprendizaje Automático - Clase #5

Funciones - Matemáticas para Cs. de Datos y Aprendizaje Automático - Clase #4

Factorización - Matemáticas para Ciencias de Datos y Aprendizaje Automático - Clase #3