Contenido

Objetivo

Resaltar las diferencias entre los modelos discriminativos y generativos, así como su autocodificación.

Descripción

En este tema valorarás las ventajas del aprendizaje generativo, distinguiendo sus características como parte de los modelos de aprendizaje no supervisado.

Explicación

Haz clic para revisar la explicación.

Aprendizaje generativo

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre los aprendizaje generativo, te recomendamos observar el siguiente video:

Michigan Online. (2020, 10 de agosto). Lecture 19: Generative Models I [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=Q3HU2vEhD5Y

Actividad

Objetivo

Reforzar los conceptos asociados a las diferentes arquitecturas de las redes neuronales a través del aprendizaje generativo.

Instrucciones

Responde el siguiente cuestionario:

En una tarea de reconocimiento de imágenes, por ejemplo, para reconocer un animal en una foto:

  1. ¿Qué arquitectura de red neuronal se recomienda utilizar? ¿Por qué?
  2. ¿Qué tipo de red neuronal recrea las entradas, considerando solo las características importantes?
  3. Más allá de la síntesis de imágenes, ¿en qué otros dominios es posible utilizar GAN?
  4. ¿Qué diferencias existen entre el GAN condicional, el GAN convolucional profunda y el GAN de pirámide laplaciana?
Checklist

Asegúrate de:

  • Comprender las diferencias entre los modelos discriminativos y generativos, así como el uso de los mismos.
  • Entender la importancia del aprendizaje generativo.