Estudia objetivos autosupervisados desde estructura y relaciones de grafos.
El curso aborda aumento contrastivo, hipergrafos, embeddings contextuales para enlaces heterogéneos y consultas lógicas sobre grafos de conocimiento. Compara qué estructura preservan las señales y cómo tipo de grafo, geometría y evaluación influyen. Un objetivo autosupervisado no garantiza una representación universal. Los videos en inglés cuentan con materiales originales, no transcripciones.
Comparar señales contrastivas, de hipergrafo, enlaces y consultas según estructura preservada. Comprobar si los aumentos y la geometría corresponden a la tarea. Diseñar particiones sin fugas para nodos, enlaces, consultas o grafos.
Se recomienda conocer redes neuronales, datos de grafos y embeddings; no se requiere biblioteca específica.
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.