Programación de Modelos Generativos Avanzados

MÓDULO 1: AUTOENCODERS Y VARIATIONAL AUTOENCODERS (VAES), TEORÍA + TALLER

Autoencoders:

• Concepto
• Autoencoders lineales
• Autoencoders no lineales
• Autoencoders profundos
• Autoencoders convolucionales para imágenes
• Aplicaciones: visualización, clustering, detección de anomalías, eliminación de ruido
• Taller: implementación y uso de autoencoders

Autoencoders Variaciones (VAEs):

• Fundamentos teóricos
• VAEs para problemas tabulares
• VAEs para problemas con imágenes
• VAEs condicionados
• Taller: implementación y uso de VAEs

MÓDULO 2 - REDES GENERATIVAS ADVERSARIALES (GANS)

• GANs: Concepto
• Deep GANs
• GANs condicionados
• GANs avanzados
• Taller: implementación y uso de GANs

MÓDULO 3 - MODELOS DE DIFUSIÓN (DIFFUSION MODELS) + NORMALIZING FLOWS

Modelos de difusión:

• Teoría
• Modelos de difusión con vectores
• Modelos de difusión con imágenes
• Dall-E
• Taller: implementación y uso de modelos de difusión

Normalizing flows

• Teoría
• Taller: implementación y uso de modelos de difusión

MÓDULO 4 - LLMS Y PROMPT ENGINEERING

• Transformers
• Modelos auto-regresivos de lenguaje. Large Language Models (LLMs)
• GPT
• Chat GPT: interacción web y API
• Prompt engineering
• Casos de uso