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