Curso de deep learning

Introducción al curso de deep learning

• Los materiales del curso, las grabaciones y la máquina virtual de deep learning de François Fleuret están disponibles en el curso 14x050 de la Universidad de Ginebra
• Ofrece una introducción exhaustiva al aprendizaje profundo usando el framework PyTorch
• El curso fue desarrollado en 2018 en el Instituto Idiap y se impartió como EE-559 en la Escuela Politécnica Federal de Lausana hasta 2022

Materiales del curso

• Las diapositivas en PDF para las clases se ofrecen en formato horizontal e incluyen superposiciones para facilitar la presentación
• El PDF de apuntes está compilado en orientación vertical, con notas adicionales y sin efectos complejos
• Los screencasts están disponibles vía streaming en el navegador o como archivos MP4 descargables

Prólogo de las sesiones prácticas

• El prólogo en Python para las sesiones prácticas analiza argumentos de línea de comandos y proporciona funciones de carga de datos
• Las funciones de carga de datos descargan la información cuando es necesario, reconstruyen las imágenes como vectores unidimensionales y, según se requiera, normalizan o aplanan los datos

Uso de la máquina virtual

• La máquina virtual (VM) es un software que simula una computadora completa y proporciona un sistema operativo Linux con todas las herramientas necesarias para usar PyTorch desde el navegador web
• La VM inicia automáticamente JupyterLab y lo ejecuta en el puerto 8888, permitiendo el acceso desde el navegador web de la máquina anfitriona

Opinión de GN⁺

Este curso ofrece una introducción integral al deep learning y está organizado para que incluso ingenieros de software principiantes puedan entenderlo. Resulta especialmente interesante que incluya materiales reales de clase y una máquina virtual para las prácticas, lo que brinda una experiencia de aprendizaje práctica.

[bigtallee]

Es una lástima que las clases no tengan subtítulos...

[GN⁺]

Opiniones de Hacker News

• Recomendaciones de diversos materiales de aprendizaje

  • Falta el libro "Understanding Deep Learning" en la lista. El libro de Simon J.D. Prince es especial por sus enlaces a bibliografía avanzada adjunta en cada capítulo, ejercicios para poner a prueba la comprensión y notebooks con código para implementar los conceptos en la práctica.
  • En el canal de YouTube de Stanford se puede ver la serie completa de clases de machine learning (19 videos). También hay muchas clases de ciencias de la computación publicadas.
  • También recomiendan revisar "Little Book of Deep Learning".
  • "Practical Deep Learning for Coders" también es un recurso útil.
  • El curso de deep learning de NYU impartido por Yann LeCun y Alfredo Canziani está disponible completo en YouTube.

• Recursos para quienes buscan un curso profundo sin videos

  • Se necesita información sobre un curso profundo que no requiera ver videos.

• Recomendación de clases para principiantes

  • La primera clase de la serie de Andrej Karpathy es muy accesible para principiantes.

• Dudas sobre la posibilidad de cambiarse al área especializada

  • Aunque tiene experiencia trabajando varios años como desarrollador full stack, plantea la duda de si es posible entrar en esta área con 6 meses de estudio.

• Elegir entre varias opciones

  • El curso de Sebastian Raschka es fácil de seguir si sabes Python o un lenguaje similar.
  • Apenas comenzó el curso de Coursera de Andrew Ng y expresa curiosidad por las diferencias entre estas opciones gratuitas.