Asignaturas de la Diplomatura en
Visión por Computadora

Docentes a cargo: Dr. Ing. Facundo Lucianna.

Temario:
1. Introducción a la Inteligencia Artificial.

2. Agentes racionales y resolución de problemas mediante búsqueda.

3. Problemas de optimización y búsqueda local (gradiente descendente, simulated annealing, local beam search, algoritmos genéticos).

4. Aprendizaje automático: formas de aprendizaje, aprendizaje supervisado, sesgo y varianza.

5. Regresión lineal simple y múltiple. Regresión Ridge y Lasso.

6. Clasificación: regresión logística, curva ROC y clasificador bayesiano ingenuo (Naive Bayes).

7. Aprendizaje por refuerzo: procesos de decisión de Markov, ecuación de Bellman y Q-learning.

- Ver la página web del curso

Docentes a cargo: Dr. Marcos Maillot, Esp. Ing. Gerardo Vilcamiza

Temario:

1. Introducción al Deep Learning, redes neuronales y forward pass.

2. Backpropagation, funciones de activación, funciones de costo y algoritmos de optimización.

3. Introducción al framework PyTorch.

4. Regularización, hyperparameter tuning y embeddings.

5. Convolutional Neural Networks (CNNs).

6. Recurrent Neural Networks (RNNs). Encoder-Decoder. Attention Layers.

7. Representation learning. Autoencoder. Embeddings.

8. Transfer learning. Generative Adversarial Networks (GANs).

- Ver la página web del curso

Docentes a cargo: Esp. Ing. Maxim Dorogov

Temario:
1. Imágenes.
2. Filtros.
3. Bordes y esquinas.
4. Transformada de Hough y Fourier.
5. Extracción de características.
6. Movimiento.
7. Seguimiento (Kalman y partículas).
8. Clasificación.
9. Detección.
10. Segmentación.

- Ver la página web del curso

Docentes a cargo:  Esp. Ing. Gerardo Vilcamiza, Dr. Seyed Pakdaman

Temario:
1. Redes neuronales convolucionales.
2. Arquitecturas: ResNets, R-CNN, YOLO y UNet.
3. Redes neuronales recurrentes.
4. Descripción de imágenes.
5. Aplicaciones en la industria.

- Ver la página web del curso

Docentes a cargo: Esp. Abraham Rodriguez,  Mg. Oksana Bokhonok

Temario:
1. Arquitectura de Transformers e imágenes como secuencias.
2. Arquitecturas de ViT y el mecanismo de Attention.
3. Ecosistema actual, Huggingface y modelos pre entrenados.
4. Diffusion, GPT y modelos generativos.
5. Modelos multimodales: combinación de visión y lenguaje.
6. Segmentación con SAM y herramientas de auto etiquetado multimodales.
7. OCR y detección con modelos multimodales.

- Ver la página web del curso