fixed errors

Author: facundoq

courses/bioia/index.md

@@ -15,16 +15,6 @@ Hola! Acá está el material para la materia *Técnicas inteligentes para el an
 * [Práctica](https://drive.google.com/drive/folders/13L7tzjiXQj5vtUk8a-wxYlw6QiT-wkJY?usp=sharing)
 * [Videos](https://www.youtube.com/playlist?list=PLIsufCSbGAxSQC5v8LuzSoTrA-v4jfV_s)
 * [Diapositivas](https://drive.google.com/drive/folders/1W8WWre0H9aCKu4tP13m5KdICipsM6XSp?usp=sharing)
-  * [01. Inteligencia Artificial](<slides/01. Inteligencia Artificial.pdf>) 
-  * [02. Optimización & Inteligencia Artificial](<slides/02. Optimización & Inteligencia Artificial.pdf>) 
-  * [03. Inteligencia Artificial_ Tipos y Ejemplos ](<slides/03. Inteligencia Artificial_ Tipos y Ejemplos .pdf>) 
-  * [04. Estadísticas de IA y ML](<slides/04. Estadísticas de IA y ML.pdf>) 
-  * [05. Tipos y fuentes de datos](<slides/05. Tipos y fuentes de datos.pptx.pdf>) 
-  * [06. Modelos de Machine Learning](<slides/06. Modelos de Machine Learning.pptx.pdf>) 
-  * [07. Deep Learning.pptx](<slides/07. Deep Learning.pptx.pdf>) 
-  * [08. Machine vs Deep Learning](<slides/08. Machine vs Deep Learning.pdf>) 
-  * [09. Machine Learning_ Lenguajes y Librerías](<slides/09. Machine Learning_ Lenguajes y Librerías.pdf>) 
-  * [10. Ética e Inteligencia Artificial](<slides/10. Ética e Inteligencia Artificial.pptx.pdf>)
 
 
 ## 2. Minería de Datos

courses/deep2019/index.md

@@ -0,0 +1,27 @@
+---
+title: Deep Learning 2019
+header: Deep Learning 2019
+sidebar_link: true
+---
+
+# Introducción a Deep Learning 2019
+
+Curso dictado entre 2019 y 2022 en la Universidad Nacional de La Plata y la Universidad de Buenos Aires.
+
+
+* [Clases en videos]()
+* [Diapositivas]()
+
+
+Consta de 11 unidades:
+
+1. Introducción a la Inteligencia Artificial, Machine Learning y Deep Learning
+2. Regresión Lineal
+3. Regresión Logística
+4. Redes Neuronales
+6. Redes Convolucionales
+7. Aspectos Prácticos: transferencia de aprendizaje, carga de modelos, aumentación de datos.
+8. Optimizacion, regularización e inicialización
+9. Capas avanzadas: Dropout, Batch normalization, Convoluciones Separables
+10. Arquitecturas Avanzadas: GAN, Autoencoders, Redes Recurrentes
+11. Arquitecturas Convolucionales Avanzadas: VGG, AllConvolutional, ResNet, MobileNet, Inception.

courses/index.md

@@ -18,17 +18,17 @@ sidebar_link: true
 2.  Data Structures: 2011 to 2014
 3.  [Computer Architecture I](http://weblidi.info.unlp.edu.ar/catedras/organizacion/index.php) (2014-2017)
 4.  [Computer Architecture II](http://weblidi.info.unlp.edu.ar/catedras/arquitecturap2003/) (2014-Present)
-5.  [Data Mining](http://weblidi.info.unlp.edu.ar/catedras/md_si/) (2018-Present)
-6.  [Deep Learning](https://www.youtube.com/playlist?list=PLIsufCSbGAxSd_2nSyqExNgQyoVZqYl0E) (2019-2022)
+5.  [Deep Learning](deep2019) (2019-2022)
+6.  [Data Mining](http://weblidi.info.unlp.edu.ar/catedras/md_si/) (2018-Present)
 
 ## Graduate courses (for phd/msc) 
 
 Professor at [Facultad de Informática, UNLP](https://www.info.unlp.edu.ar/):
 
-1. Data Mining
-2. Deep Learning for Computer Vision
-3. [Machine Learning](aa2018/index.html)
-4. [Machine Learning for Bioinformatics](bioia)
+1. [Machine Learning - Python/Scikit-Learn (2018)](aa2018/index.html)
+2. Data Mining with Orange (2020)
+3. [Intro to Deep Learning - Python/Keras  (2019)](deep2019)
+4. [Machine Learning for Bioinformatics - Python/Scikit-Learn (2024)](bioia)
 
 ### Other