Analiza cómo los sistemas de aprendizaje se adaptan a tareas sucesivas sin perder capacidades anteriores.
Estudia escenarios de aprendizaje continuo, el equilibrio entre estabilidad y plasticidad, memoria y generalización, y un estudio de aprendizaje por refuerzo continuo sin identificar explícitamente la tarea. La secuencia pasa de definir la evaluación secuencial a los mecanismos de adaptación y costes de memoria, y termina con una referencia sencilla en aprendizaje por refuerzo. Distingue retención de transferencia y diseña evaluaciones que revelen olvido, efectos del orden y costes de recursos. Los vídeos están en inglés; estas notas y actividades originales no reproducen transcripciones.
Define un escenario de aprendizaje continuo según la secuencia de tareas, el acceso a la identidad de la tarea, el régimen de datos y el protocolo de evaluación. Compara decisiones de estabilidad, plasticidad y memoria mediante retención, adaptación y restricciones de recursos. Diseña una evaluación secuencial que mida olvido, transferencia y sensibilidad al orden frente a una referencia sencilla.
Se recomienda conocer redes neuronales, optimización y aprendizaje supervisado. Ayudan la probabilidad básica, la evaluación de entrenamiento/validación/prueba y la lectura de métodos de investigación; no se requiere experiencia implementando aprendizaje continuo.
Personas con experiencia que quieren profundizar y aplicar habilidades avanzadas de IA
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Avanzado · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.