DEEP LEARNING II

Objetivo

Este curso profundiza en modelos neuronales avanzados, con foco en inteligencia artificial generativa y procesamiento del lenguaje natural. Se orienta a estudiantes que ya poseen conocimientos en aprendizaje profundo y buscan especializarse en modelos de gran escala y arquitecturas de vanguardia.

Temas Centrales

Aprendizaje auto-supervisado (autocodificadores, GANs, SimCLR); NLP clásico y moderno (word embeddings, RNNs, transformers); grandes modelos de lenguaje (BERT, GPT); técnicas como prompt engineering, instruction tuning y RAG; modelos multimodales y vision transformers (CLIP, zero-shot learning).

ENZO FERRANTE. Doctor en Informática y Matemática por la Université Paris-Saclay / INRIA. Investigador en sinc(i) (CONICET–UNL). Realizó estancias académicas en Stanford, Imperial College London y Ecole Centrale Paris. Su investigación se centra en deep learning y visión computacional, con foco en imágenes biomédicas. Ha publicado en revistas como Medical Image Analysis y IEEE Transactions on Medical Imaging.