Códigos de las prácticas
El enunciado y el código de cada práctica: notebook Jupyter (.ipynb) y el script equivalente (.py).
Tema 0 — Introducción
Día 01
Presentación: qué es el Deep Learning y cómo trabajaremos
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 05
Transfer learning en profundidad y el Hub de Hugging Face
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 5 — Agentes
Día 13
Agentes: del LLM al bucle con herramientas
Día 14
Subagentes, MCP y human-in-the-loop
Tema 6 — Sistemas en producción
Día 15
RAG: recuperación aumentada con generación
Día 16
Adaptación de LLMs: prompting, LoRA, RLHF, DPO
Día 17
Sistemas agénticos en producción: coste, latencia, observabilidad
Tema 7 — Riesgos y regulación
Día 18
Riesgos, AI Act y auditoría
Cómo abrirlas. Descarga el notebook y ábrelo en Jupyter, VS Code o Google Colab. El .py es el mismo contenido como script ejecutable.
Eduardo C. Garrido-Merchán · ecgarrido@comillas.edu · Universidad Pontificia Comillas (ICADE) · Deep Learning para Business Analytics 2026–2027