En aquest repositori trobareu el material de la part pràctica de l'assignatura d'Aprenentatge Automàtic per al curs 2023-2024.
Durant aquest curs treballarem amb les següents tecnologies:
- Python (3.7 o superior)
- Jupyter
- Una combinació de: Numpy + Scikit + Matplotlib
- Pandas (potser que sigui necessari en algún cas concret)
- Pytorch.
- Setmana 1 Perceptron: Recordarem conceptes elementals de l'aprenentatge automàtic que serviran per comprendre millor altres conceptes més avançats. També treballarem amb operacions elementals de la llibreria Numpy i visualitzacions bàsiques de Matplotlib.
- Setmana 2 AdaLine: Seguirem repassant conceptes elementals, en aquest cas el concepte de descens de gradient i també de l'aprenentatge en batch.
- Setmana 3 SVM Lineal: Compararem el pla de separació que ens proporciona la solució d'AdaLine de la setmana passada amb les SVM lineals. Apliquem les SVM lineals a un problema de dimensionalitat 5.
- Setmana 4 més enllà de SVM Lineal: Implementarem els nostres propis Kernels i els compararem amb l'implementació a Sci-kit learn.
- Setmana 5 Pràctica 1: Veure enunciat.
- Setmana 6 Pytorch: Petit tutorial de Pytorch i primers exercicis creant els nostres primers MLP.
- Setmana 7 MLP: Seguim amb Pytorch, cream l'estructura d'un projecte i empram un dataset d'imatges propi de Pytorch.
- Setmana 8 CNN: Emprant les mateixes dades que la setmana anterior, cream la nostra primera xarxa convolucional.
- Setmana 9 CNN + TransferLearning: Repassem la solució a la pràctica anterior i aplicam la tècnica de transfer learning amb dos models ampliament coneguts.
- Setmana 10 FCN: Un simulacre de la pràctica final.
- Setmana 11 Segmentació: Seguim amb les dades de la setmana anterior, però afegint una nova tasca.
- Setmana 12: Enunciat de la Pràctica 2 i YOLO
- Setmana 13: SAM