Deep Learning Foundations
Al finalizar la sesión, los alumnos serán capaces de:
Comprender las arquitecturas básicas y terminologÃa en Deep Learning.
Distinguir los requerimientos de datos, capacidad de cómputo y esfuerzo de anotación para modelos profundos.
Formular estrategias de validación y métricas de evaluación para el entrenamiento de redes neuronales.
Prerequisitos
Programas instalados
- Acceso a navegador web para Google Colab o entorno local de Python con soporte GPU/CPU
Conocimientos previos
- Fundamentos de deep learning clásico.
Link al taller
Para este taller, nos vamos a basar en el material desarrollado por Christophe Avenel en National bioinformatics Infrastructure Sweden (NBIS) para el workshop de Nerual Networks and Deep Learning. En particular, realizaremos el ejercicio de CNN Lab 1: Classification of Human Blood Cells using PyTorch y CNN Lab 2: Segmentation of Human Blood Cells using PyTorch.
Para el este taller utilizaremos Google Colab que nos permitirá utilziar jupyter conectado a un kernel que corre en un servidor. Además, recuerden que tendremos que cambiar el runtime a T4 GPU para poder utilizar GPU y correr lo necesario más rápidamente.
Citation
Mirabello, C., Sennblad, B., Avenel, C., Kierczak, M., Rosén, D., Unneberg, P., Oskolkov, N., Nettelblad, C., Dethlefsen, O., & Freyhult, E. (2024). Workshop on Neural Networks and Deep Learning. NBIS. https://nbisweden.github.io/workshop_NN_DL/