Ejercicios
Los enunciados están abiertos. Las soluciones están cifradas: introduce la contraseña de clase para desbloquearlas (el contenido solo se descifra en tu navegador).
Hay dos tipos de ejercicio, y sólo dos:
EL EJERCICIO DEL DÍA uno por hoja. Es el obligatorio y es el que entra en el examen, con el cálculo incluido. Basta con hacer ese para seguir el curso con solvencia.
AMPLIACIÓN el resto. Están para enseñar de qué es capaz el método, no para exigir: no se piden calculados en el examen. De ellos sólo puede preguntarse la idea, a nivel conceptual.
Tema 1 — Fundamentos
Día 02
Fundamentos: neurona, MLP y backpropagation
Día 03
Regularización, schedules y dashboards
Tema 2 — Visión y secuencias
Día 04
Convolución, pooling y transfer learning
Día 06
Datos secuenciales: RNN, LSTM y GRU
Día 07
Del cuello de botella RNN a la atención
Tema 3 — El Transformer y sus rivales
Día 08
Embeddings: word2vec, distancias y vectores contextuales
Día 09
Self-attention, multi-head y el bloque Transformer
Día 10
Alternativas al Transformer: Mamba y MoE
Tema 4 — LLMs y multimodal
Día 11
Cómo funciona un LLM: sampling y context engineering
Día 12
Difusión y modelos multimodales
Tema 6 — Sistemas en producción
Día 15
RAG: recuperación aumentada con generación
Día 16
Adaptación de LLMs: prompting, LoRA, RLHF, DPO
Eduardo C. Garrido-Merchán · ecgarrido@comillas.edu · Universidad Pontificia Comillas (ICADE) · Deep Learning para Business Analytics 2026–2027 · CC BY-NC-SA 4.0