Asignaturas/Deep Learning/Ejercicios

Ejercicios

Los enunciados están abiertos. Las soluciones están cifradas: introduce la contraseña de clase para desbloquearlas (el contenido solo se descifra en tu navegador).

Cada hoja de esta página contiene un único ejercicio: EL EJERCICIO DEL DÍA el obligatorio de la sesión, y el que entra en el examen con el cálculo incluido. Repite el mismo cálculo del ejemplo resuelto en clase con otros números. Basta con hacer ese para seguir el curso con solvencia. AMPLIACIÓN el resto de ejercicios de cada sesión está en Ejercicios de ampliación. Son opcionales, no se piden calculados en el examen y de ellos sólo puede preguntarse la idea, a nivel conceptual.

Cambio: los días 07, 09 y 10 ya no están en esta página. Sus ejercicios del día han pasado a Ejercicios de ampliación, con enunciado y solución, y no se piden calculados en el examen. De esos tres temas sólo puede preguntarse la idea, a nivel conceptual.

Recopilatorio abierto · días 02–08
Resueltos
Los cinco ejercicios del día que entran calculados, resueltos
MLP 2→3→1 con entropía cruzada · BatchNorm sobre un minibatch · convolución con kernel 3×3 y pooling · pasada hacia delante de una RNN escalar · similitud coseno entre embeddings. Son exactamente los cinco que entran en el examen con el cálculo incluido. Sin contraseña.
Ver PDFDescargar
Tema 1 — Fundamentos
Día 02
Fundamentos: neurona, MLP y backpropagation
Enunciado
Día 03
Regularización, schedules y dashboards
Enunciado
Tema 2 — Visión y secuencias
Día 04
Convolución, pooling y transfer learning
Enunciado
Día 06
Datos secuenciales: RNN, LSTM y GRU
Enunciado
Tema 3 — El Transformer y sus rivales
Día 08
Embeddings: word2vec, distancias y vectores contextuales
Enunciado
Tema 4 — LLMs y multimodal
Día 11
Cómo funciona un LLM: sampling y context engineering
Enunciado
Día 12
Difusión y modelos multimodales
Enunciado
Tema 6 — Sistemas en producción
Día 15
RAG: recuperación aumentada con generación
Enunciado
Día 16
Adaptación de LLMs: prompting, LoRA, RLHF, DPO
Enunciado

Eduardo C. Garrido-Merchán · ecgarrido@comillas.edu · Universidad Pontificia Comillas (ICADE) · Deep Learning para Business Analytics 2026–2027 · CC BY-NC-SA 4.0