Programa

1. Fundamentos de la Regresión Lineal

1.1 Combinando variables

1.2 Gradiente descendente

1.3 Modelado de características

1.4 Tratando con relaciones complejas

1.5 Ejercicio en PyTorch

2. Introducción a las redes neuronales

2.1 Perceptrons

2.2 Atacando la complejidad con las redes neuronales

2.3 Feed-forward

2.4 Usando retropropagación para ajustar el aprendizaje

2.5 Ejercicio en Pytorch

3. Word Embeddings

3.1 Historia de los Word Embeddings

3.2 Entendiendo Word Embeddings

3.3 Ejemplos de Word Embeddings

3.4 Ejercicio en Keras

4. Redes neuronales convolucionales (CNN)

4.1 Explicando cómo funcionan las convoluciones

4.2 Simplificando el uso de pooling

4.3 CNN en PLN

4.4 Ejercicio en Keras

1. Redes Neuronales Recurrentes

1. 1. Modelo Básico

   2. GRU

   3. LSTM

2. Modelos Secuencia a Secuencia

   1. Arquitectura Encoder-Decoder

   2. Teacher Forcing

   3. Ejercicio

3. Mecanismos de Atención

   1. Atención en Sequence2Sequence

   2. Tipos de Atención

   3. Multi-Task Learning

   4. Ejercicio

4. Atención sin Recurrencia

   1. Self Attention

   2. Multi Head Attention

   3. Transformers

   4. Ejercicio