Descripción
Fundamentos del aprendizaje automático; perceptrón multicapa, teorema de aproximación universal, retropropagación; redes convolucionales, redes neuronales recurrentes, autoencoders variacionales, redes generativas antagónicas; componentes y técnicas en aprendizaje profundo; Proceso de Decisión de Markov; ecuación de Bellman, iteración de políticas, iteración de valor, aprendizaje Monte-Carlo, métodos de diferencia temporal, Q learning, SARSA, aplicaciones.
Texto de referencia en su idioma de origen
Fundamentals of machine learning; multi-layer perceptron, universal approximation theorem, back-propagation; convolutional networks, recurrent neural networks, variational auto-encoder, generative adversarial networks; components and techniques in deep learning; Markov Decision Process; Bellman equation, policy iteration, value iteration, Monte-Carlo learning, temporal difference methods, Q learning, SARSA, applications.
Fuentes y referencias
Se conservan las fechas y las fuentes para ayudarle a verificar la información. Las traducciones se proponen para facilitar la lectura; la fuente oficial es la referencia para las condiciones y los requisitos.
Referencia de la fuente : https://calendar.carleton.ca/grad/courses/COMP/