Cursos ONLINE

Curso en Redes Neuronales y Deep Learning

Impartido por Daniel González Medina, Leading Data Driven development projects. Co-Founder Taidy Cloud
Inicio: 4 Abril 2024
1 mes
4.5

Presentación del curso

En este Curso en Redes Neuronales y Deep Learning nos introduciremos de forma práctica en el análisis predictivo con herramientas de Deep Learning. Veremos por qué el Deep Learning tiene esta fama, los hitos que está alcanzando en la inteligencia artificial y comprenderemos cómo funciona está técnica tan potente. Además, veremos las herramientas de código libre disponibles, sus ventajas e inconvenientes y sus posibles usos y aplicaciones. También nos animaremos a utilizar una de ellas para crear nuestras primeras redes neuronales y ver de primera mano el gran potencial que tienen.

Este curso forma parte del Master en Data Science y Big Data. Si quieres ampliar tu formación, consulta el programa completo.

En este Curso en Redes Neuronales y Deep Learning nos introduciremos de forma práctica en el análisis predictivo con herramientas de Deep Learning. Veremos por qué el Deep Learning tiene esta fama, los hitos que está alcanzando en la inteligencia artificial y comprenderemos cómo funciona está técnica tan potente. Además, veremos las herramientas de código libre disponibles, sus ventajas e inconvenientes y sus posibles usos y aplicaciones. También nos animaremos a utilizar una de ellas para crear nuestras primeras redes neuronales y ver de primera mano el gran potencial que tienen.

Este curso forma parte del Master en Data Science y Big Data. Si quieres ampliar tu formación, consulta el programa completo.

¿Qué aprenderás en este curso?

Al finalizar el Curso en Redes Neuronales y Deep Learning serás perfectamente capaz de:

  • Saber resolver problemas complejos de analítica predictiva con herramientas de Deep Learning, mediante la construcción de redes neuronales.
  • Saber diseñar, implementar y evaluar modelos de Deep Learning usando herramientas fundamentales para un científico de datos especializado en Inteligencia Artificial.

¿Para quién es este curso?

El Curso en Redes Neuronales y Deep Learning proporciona formación específicamente orientada a los siguientes perfiles:

  • Ingenieros que tengan por objetivo una actualización de sus conocimientos y el desarrollo de nuevas competencias dentro de la Inteligencia Artificial
  • Programadores que tengan por objetivo ampliar sus conocimientos y capacidades en el mundo de la ciencia de datos para su desarrollo profesional
  • Analistas de datos con experiencia que quieran dar el salto a los aspectos más profundos de la tecnología

El curso incluye:

  • 3 clases (1 mes)

  • 3 sprint semanales

  • Masterclass y/o tutorias

  • 1 proyecto

  • Diploma IEBS

  • Bolsa de empleo

Plan de estudios

Contenidos del curso:

  • Bienvenida y presentación
Tema 1: Hitos del Deep Learning y fundamentos de las redes neuronales

Resumen

En esta clase veremos una introducción al Deep Learning en la que aprenderemos por qué el Deep Learning está teniendo tanto éxito hoy en día, sabremos cómo diferenciarlo del Machine Learning y, además, veremos el funcionamiento y los conceptos básicos de cómo funciona el Deep Learning para poder aplicarlo en las siguientes clases de forma práctica.

 

Objetivos

  • Familiarizarnos y entender el ecosistema Deep Learning.
  • Identificar los elementos principales a tener en cuenta para crear modelos predictivos basados en Deep Learning.
  • No profundizar en la teoría sino entender para qué se usa y los problemas que resuelve.

Temario

  • Introducción
    • Presentación de la clase
  • Ecosistema Deep Learning
    • ¿Qué es el Deep Learning?
    • ¿Por qué ahora tiene tanto éxito el Deep Learning?
  • Redes neuronales
    • ANNs
    • Conexión entre neuronal y proceso de aprendizaje (I)
    • Proceso de aprendizaje (II), función de activación y neurona
    • Función de coste y gradiente descendiente
    • Visión global, batches e hiperparámetros
  • Cierre
    • Conclusiones
Tema 2: Frameworks de Deep Learning: TensorFlow

Resumen

En esta clase veremos qué son los frameworks de Deep Learning y para qué se utilizan. También conoceremos el gran catálogo de frameworks que hay disponibles hoy en día, y veremos en detalle el framework más popular y utilizado: TensorFlow.

Además, crearemos nuestras primeras redes neuronales usando TensorFlow. El objetivo principal es ofrecer una vista de pájaro de la filosofía a la hora de crear y entrenar redes de Deep Learning, los pasos principales a seguir cuando se aborda un problema y los elementos fundamentales que debemos tener en cuenta. Todo esto lo plantearemos con un enfoque técnico, donde escribiremos código para experimentar con este framework.

Objetivos

  • Conocer qué es un framework de Deep Learning y ver los distintos frameworks disponibles hoy en día.
  • Hacer una introducción a TensorFlow para crear y entrenar modelos de Deep Learning.
  • Familiarizarnos con la sintaxis de TensorFlow creando nuestra primera red neuronal basada en Deep Learning.

Temario

  • Introducción
    • Presentación de clase
    • ¿Qué es un framework de Deep Learning?
    • TensorFlow
  • Introducción a TensorFlow. Mi primera red neuronal
    • Configuración del ambiente de trabajo
    • Mi primera red neuronal (Regresión lineal) - PARTE I
    • Regresión lineal - PARTE II
    • Regresión lineal - PARTE III
  • Mi segunda red neuronal
    • Mi segunda red neuronal (Clasificación) - PARTE I
    • Clasificación - PARTE II
  • Cierre
    • Conclusiones
Tema 3: Ajuste de modelos de Deep Learning

Resumen

Una vez que ya hemos visto cómo poder crear nuestras redes neuronales basadas en Deep Learning con TensorFlow, vamos a intentar profundizar más en todos los elementos que podemos usar en el entrenamiento de los modelos. También veremos nuevas capas de Deep Learning para corregir problemas muy habituales que nos pueden pasar, como el problema de overfitting. Además, veremos los pasos a seguir cuando nos enfrentamos por primera vez a un problema hasta llegar a conseguir una red neuronal con un buen rendimiento.

 

Objetivos

  • Profundizar en elemento básicos como optimizadores y learning rate.
  • Aprender nuevas capas para corregir problemas como overfitting.
  • Aprender cómo abordar un problema desde 0 y ajustar un modelo paso a paso.
 

Temario

  • Introducción
    • Presentación de la clase
  • Optimizers y learning rate
    • Optimizadores - Parte I
    • Optimizadores - Parte II
    • Dropout
  • Ajuste de hiperparámetros
    • Capas, aprendizaje y comportamiento del error
    • One Hot Encode
  • Abordamos un problema desde 0
    • Ajuste de modelos con TensorFlow - Parte I
    • Ajuste de modelos con TensorFlow - Parte II
    • Ajuste de modelos con TensorFlow - Parte III
    • Ajuste de modelos con TensorFlow - Parte IV
  • Cierre
    • Conclusiones

Experto

Daniel González Medina

Leading Data Driven development projects. Co-Founder Taidy Cloud

Nuestros alumnos opinan

¿Por qué elegirnos?

Descubre lo que nos diferencia

95%Empleo

El 95% de nuestros alumnos está trabajando o emprende cuando finaliza sus estudios

Empleo
175kAlumnos

Somos la mayor comunidad de profesionales digitales del mundo

Comunidad
13Años

Expertos en formación online: más de 10 años liderando la innovación del elearning

Experiencia
95%Satisfacción

El 95% de nuestros alumnos consiguen mejorar su situación al finalizar sus estudios

Seguridad

Curso en Redes Neuronales y Deep Learning

U$S 510

  • Big data & IA
Inicio: 4 Abril 2024
1 mes
Online
Ininterrumpido 24/7
Diploma de IEBS

Curso en Redes Neuronales y Deep Learning

U$S 510