Curso Deep learning con PyTorch

Hemos creado una serie de tutoriales para introducir uno de los frameworks de deep learning más avanzados, PyTorch, y sus principales módulos. A continuación se puede ver un listado con las partes del curso:

• Programación orientada a objetos en PyTorch.
• Tensores en PyTorch.
• Almacenamiento de tensores en PyTorch.
• Módulo de redes neuronales.
• Optimización en PyTorch.
• Autograd en PyTorch.
• Datasets y Dataloaders en PyTorch.
• Nuevas herramientas de optimización en PyTorch.
• Optimización bayesiana con PyTorch y Ax.
• PyTorch con Cuda en Colab.
• LSTMs en PyTorch.
• Librería PyTorch-NLP para procesamiento de lenguaje.
• Interpretabilidad en PyTorch con Captum.
• Visualización en PyTorch con TensorBoard.
• Reproducibilidad en modelos de deep learning.
• Graph Neural Networks (GNNs) con PyTorch Geometric.
• Hooks en PyTorch.
• Extendiendo PyTorch.

PyTorch se está convirtiendo en un framework de referencia para la investigación, desarrollo e implementación de modelos de deep learning. Ofrece una serie de beneficios que lo convierten en un framework muy ágil, flexible y potente:

• Fácil de implementar, programar y depurar.
• Permite controlar al detalle las computaciones realizadas y es eficiente en ejecución.
• Es imperativo, realizando las computaciones de manera flexible mientras se ejecuta.
• Integración con CUDA para facilitar su ejecución en GPUs.