- Introducción a redes neuronales y aprendizaje profundo
- Redes convolucionales y su aplicación a imágenes astronómicas
- Aprendizaje de representaciones: autodecodificadores, aprendizaje supervisado y no supervisado
- Espacios latentes y reducción de dimensiones
- Modelos físicos: incorporación de leyes de conservación y simetrías
- Modelos probabilísticos: flujos normalizantes, inferencia bayesiana
- Modelos multimodales: integración de datos espectrales, espaciales y temporales