Resumen: En esta charla, presentaré algunos métodos recientes de aprendizaje autosupervisado para resolver problemas inversos con redes neuronales profundas, que no necesitan referencias (ground-truth) para el entrenamiento. El aprendizaje autosupervisado es una herramienta fundamental para implementar redes de aprendizaje profundo en aplicaciones con imágenes de astronomía o médicas, donde obtener un gran conjunto de datos de imágenes de referencia es muy costoso o imposible. La charla incluirá un análisis de las bases teóricas de varios métodos autosupervisados recientes (es decir, cómo aproximan el objetivo supervisado) y presentará aplicaciones prácticas de métodos autosupervisados para la reconstrucción de imágenes, como la tomografía computada y las imágenes por resonancia magnética.