Material d'aprenentatge automàtic pel curs 2425
Durant aquest curs treballarem amb les següents tecnologies:
- Python (3.8 o superior)
- Jupyter Notebook
- Una combinació de: Numpy + Scikit + Matplotlib
- Pytorch: Depèn del Hardware del qual disposeu haureu d'instal·lar diferents versions. (Guia)[https://pytorch.org/get-started/locally/]
- SVM Lineal: Comparem els classificadors lineals tipus perceptron amb una SVM Lineal.
- SVM Kernels: Implementem els nostres propis kernels i observam com canvien les fronteres de decisió.
- Pràctica SVM: Enunciat de la primera pràctica.
- Introducció Pytorch: Fem el nostre primer MLP per solventar problemes de reressió.
- MLP Classificació: Utilitzam MLP per solventar un problema de classificació.
- Introducció CNN: Seguim amb el mateix problema, ara amb CNN.
- CNN multiclass: Un nou problema i nou model.
- AlexNet i Transfer: La primera xarxa útil i una nova tècnica per resoldre problemes.
- VGG i ResNet: Ens situem a l'any 2015 per explicar dos dels models més rellevants.
- VGG i dataset personalitzat: Començam a emprar VGGs amb un conjunt de dades que ja coneixem i el llegim diferent.
- ResNet: Empram blocs residual d'una forma heteròdoxa.
- Segmentació: Unet.
- UNET: Pràcticam amb la Unet i un problema simple.
- Mask R-CNN i YOLO: Seguim amb la segmentació.
- Mask R-CNN: Exercici pràctica amb Mask R-CNN.
- SAM: Introducció a SAM by Meta.
- Segmentació des de zero: Que feim quan no tenim res.