Seminario: "Redes neuronales, un enfoque matemático."

UNIDAD 1: Elementos del Aprendizaje Automático 

1.1 Aprendizaje Automático y Redes Neuronales

1.2 Historia y Motivación: XOR

1.3 Regresores y clasificadores. Diferencias.

1.4 Repaso de regresión lineal y regresión logística

UNIDAD 2: El Perceptrón

2.1 El Perceptrón

2.2 Hiperplanos y semiespacios

2.3 Caracterizaciones de separación

2.4 Algoritmo del Perceptrón

2.5 Teorema del Perceptrón

2.6 Laboratorio

UNIDAD 3:  Redes Neuronales

3.1 La neurona
3.2 Funciones lógicas
3.3 Red Neuronal superficial, completamente conectada y 

de propagación hacia adelante

3.4 Laboratorio

UNIDAD 4: Expresividad de redes neuronales

4.1 Densidad uniforme sobre compactos

4.2 Elementos del análisis funcional

4.3 Aproximación de funciones continuas por redes neuronales con función de activación continua 

4.4 Aproximación de funciones continuas por redes neuronales con función de activación discontinua 

UNIDAD 5: Propagación hacia atrás en redes neuronales

5.1 Algoritmo de descenso del gradiente

5.2 Cálculo recursivo de las derivadas de la función de costo

5.3 Redes neuronales profundas con salida softmax

5.4 Laboratorio