Al llarg del curs que costará de dues sessions de dues hores, treballarem els següents temes:

• Xarxes neuronals: estructura en capes, funcions de cost, i processos d’entrenament com la retropropagació.

• Avaluació de models: mètriques de classificació i regressió, validació creuada, corbes ROC/AUC.

• Regularització i optimització: tècniques per evitar el sobreajustament i millorar la generalització.

• Arquitectures avançades: CNNs, RNNs, i transfer learning.

El contingut tindrà un enfocament eminentment teòric i està pensat pensat per facilitar una comprensió profunda dels mecanismes subjacents als models d’aprenentatge automàtic. Ens aturarem especialment en els Transformers, donant així  pas al següent bloc de minicursos. Aquest primer bloc l'impartirà la professora Marina Martínez-Garcia.