Deep Learning Specialization Training
450,00 EUR
- 50 hours
Este curso integral proporciona el conocimiento y las habilidades para desplegar herramientas de aprendizaje profundo utilizando marcos de trabajo de IA/ML de manera efectiva. Explorarás los conceptos fundamentales y las aplicaciones prácticas del aprendizaje profundo mientras obtienes una comprensión clara de las distinciones entre el aprendizaje profundo y el aprendizaje automático. El curso abarca una amplia gama de temas, incluyendo redes neuronales, propagación hacia adelante y hacia atrás, TensorFlow 2, Keras, técnicas de optimización de rendimiento, interpretabilidad de modelos, Redes Neuronales Convolucionales (CNNs), aprendizaje por transferencia, detección de objetos, Redes Neuronales Recurrentes (RNNs), autoencoders y la creación de redes neuronales en PyTorch. Al final del curso, tendrás una base sólida en los principios de aprendizaje profundo y la capacidad de construir y optimizar modelos de aprendizaje profundo de manera efectiva utilizando Keras y TensorFlow.
Características clave
Idioma
Curso y material en inglés
Nivel
Nivel intermedio - avanzado
Acceso
Acceso de 1 año a la plataforma y grabaciones de clases
6 horas de lecciones en video
y 40 horas de clase en vivo por internet
Tiempo de estudio
Se recomiendan 50 horas de tiempo de estudio
Laboratorio Virtual incluido para practicar
proyecto final de 3 cursos y 1 examen de evaluación
Sin examen
pero se incluye certificado de finalización
Resultados de aprendizaje
Al finalizar este curso, podrás:
Aprendizaje profundo
Diferenciar entre el aprendizaje profundo y el aprendizaje automático y comprender sus respectivas aplicaciones.
Redes neuronales
Adquiera un conocimiento profundo de los diversos tipos de redes neuronales.
DNNs
Domina los conceptos de propagación hacia adelante y propagación hacia atrás en Redes Neuronales Profundas (DNNs).
Modelado
Obtén conocimientos sobre técnicas de modelado y mejora del rendimiento en el aprendizaje profundo.
Parámetro
Comprender los principios del ajuste de hiperparámetros y la interpretabilidad del modelo.
Técnicas
Aprende sobre técnicas esenciales como el dropout y la detención temprana e impleméntalas de manera efectiva.
CNNs
Desarrolla experiencia en Redes Neuronales Convolucionales (CNNs) y detección de objetos.
PyTorch
Adquiere familiaridad con PyTorch y aprende cómo crear redes neuronales utilizando este marco de trabajo.
RNNs
Adquiere un sólido entendimiento de las Redes Neuronales Recurrentes (RNNs).
Cronograma del curso
Introducción al Aprendizaje Profundo
Lección 1
Redes Neuronales Artificiales
Lección 2
Redes Neuronales Profundas
Lección 3
TensorFlow
Lección 4
Optimización de Modelos y Mejora del Rendimiento
Lección 5
Redes Neuronales Convolucionales (CNNs)
Lección 6
Transferencia de Aprendizaje
Lección 7
Detección de objetos
Lección 8
Redes Neuronales Recurrentes (RNNs)
Lección 9
Modelos Transformer para el Procesamiento del Lenguaje Natural (PLN)
Lección 10
Comenzando con Autoencoders
Lección 11
PyTorch
Lección 12
¿Quién debería inscribirse en este programa?
Requisitos previos:
Se recomienda encarecidamente tener conocimientos básicos de programación en Python, álgebra lineal, probabilidad y algunos fundamentos de aprendizaje automático.
Ingenieros de Software y Desarrolladores
Científicos de Datos & Analistas
Entusiastas de IA/ML
Estudiantes e Investigadores
Profesionales de TI y Cloud
Gerentes de Negocios y Productos
Preguntas Frecuentes
¿Necesitas una solución corporativa o integración de LMS?
¿No encontraste el curso o programa que encajaría para tu empresa? ¿Necesitas integración con un LMS? ¡Escríbenos! ¡Resolveremos todo!