Curso ONLINE

Curso en CNN, GAN y otras redes neuronales

Impartido por Daniel González Medina, Leading Data Driven development projects. Co-Founder Taidy Cloud
Inicio: 2 Mayo 2024
1 mes
4.8

Presentación del curso

En este Curso en CNN, GAN y otras redes neuronales vamos a ver un tipo de red neuronal usada en Deep Learning muy popular y que muchas de las empresas están aplicando en su organización, no solo para dar un servicio a clientes sino también usadas en procesos internos. Estas redes son las redes neuronales convolucionales.

Las redes neuronales convolucionales son especialmente utilizadas en visión artificial, donde se trabaja con imágenes para realizar análisis predictivos. Además, veremos dos de las técnicas más utilizadas hoy en día en Deep Learning y que aprovecha modelos ya entrenados (modelos pre-entrenados) para ser utilizados en otros problemas distintos, estás técnicas son conocidas como transfer learning fine tuning.

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 CNN, GAN y otras redes neuronales vamos a ver un tipo de red neuronal usada en Deep Learning muy popular y que muchas de las empresas están aplicando en su organización, no solo para dar un servicio a clientes sino también usadas en procesos internos. Estas redes son las redes neuronales convolucionales.

Las redes neuronales convolucionales son especialmente utilizadas en visión artificial, donde se trabaja con imágenes para realizar análisis predictivos. Además, veremos dos de las técnicas más utilizadas hoy en día en Deep Learning y que aprovecha modelos ya entrenados (modelos pre-entrenados) para ser utilizados en otros problemas distintos, estás técnicas son conocidas como transfer learning y fine tuning.

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 CNN, GAN y otras redes neuronales serás perfectamente capaz de:

  • Saber resolver problemas complejos de visión artificial con herramientas de Deep Learning, mediante la construcción de redes neuronales convolucionales.
  • Saber aplicar técnicas avanzadas de Deep Learning para la resolución de problemas complejos. 

¿Para quién es este curso?

El Curso en CNN, GAN y otras redes neuronales 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: Fundamentos de las CNNs: kernels, convolución, pooling, etc.

Resumen

En esta clase veremos todos los tipos de redes de Deep Learning que existen en la actualidad, y veremos en qué sectores se suelen aplicar y para qué, dándonos una visión más global del gran abanico de problemas que podemos llegar a resolver con Deep Learning.

Además, veremos en mayor profundidad uno de los tipos de red que más se han estandarizado y se usan hoy en día: las redes convolucionales. Después de ver los conceptos básicos de estas redes crearemos nuestras propias redes convolucionales con TensorFlow. Utilizaremos varios tutoriales prácticos donde abordaremos varios problemas para ver los conceptos básicos y los elementos fundamentales para entrenar este tipo de redes.

 

Objetivos

  • Conoceremos las distintas redes de Deep Learning que existen y en qué ámbitos se aplican.
  • Visualizaremos el alcance de los problemas que podemos llegar a resolver con Deep Learning.
  • Aprenderemos cómo funcionan las redes convolucionales.
  • Crearemos nuestra primera red convolucional con TensorFlow.
 

Temario

  • Tipos de redes
    • Introducción y Redes CNN
    • Redes GAN, RNN y DRL
  • Redes Convolucionales
    • Convolución
    • CNN Arquitectura
    • Pooling
    • ANN vs. CNN
  • CNNs con TensorFlow
    • Parte I
    • Parte II
    • Parte III
  • Cierre
    • Conclusiones
Tema 2: Modelos pre-entrenados: Transfer Learning y Fine-Tuning

Resumen

En esta clase vamos a ver una de las técnicas más utilizadas cuando queremos abordar problemas con datos de tipo imagen. Estas técnicas avanzadas son transfer learning y fine-tuning. Veremos qué son estas dos técnicas y veremos cómo aplicarlas con Tensorflow para poder utilizarlas en cualquier problema que queramos abordar.

Además, también veremos cómo abordar y tratar cualquier dataset de imágenes que queramos, sin necesidad de que las imágenes tengan el mismo tamaño.

 

Objetivos

  • Conocer qué son los modelos pre-entrenado y para qué se utilizan.
  • Aprender técnicas avanzadas para el uso de modelo pre-entreandos: transfer learning y fine-tuning.
  • Aplicar las técnicas de transfer learning y fine-tuning con TensorFlow.
 

Temario

  • Modelos Pre-entrenados
    • Evolución de las redes convolucionales - Parte I
    • Evolución de las redes convolucionales - Parte II
    • Transfer Learning (extracción de características)
    • Fine-tuning
  • Transfer Learning & Fine-Tuning en TensorFlow
    • Parte I
    • Parte II
    • Parte III
    • Parte IV
    • Parte V
  • Cierre
    • Conclusiones
Tema 3: Deep Learning en producción

Resumen

Esta clase no será tan práctica como las anteriores y veremos más conceptos que debéis de conocer. Además, también os servirá para afianzar conceptos de clases anteriores y practicar más con Tensorflow.

En esta clase vamos a ver cómo podríamos coger un modelo de Deep Learning y ponerlo en producción para al fin y al cabo sacarle valor, ya que es el objetivo final de entrenar modelos de Deep Learning.

Veréis que no es un proceso fácil y veremos cómo las empresas lo están llevando a cabo, cómo dirigen un proyecto basado en Deep Learning.

Objetivos

  • Conocer el ciclo de vida de los modelos de Deep Learning (Machine Learning).
  • Conocer qué alternativas hay a utilizar modelo entrenador por nosotros mismos (Servicio Cognitivos).
  • Aprender cómo se debería llevar a cabo un proyecto basado en Deep Learning.

Temario

  • Productivización de modelo
    • Introducción
    • Productivización de modelo de machine learning - Parte I
    • Productivización de modelo de machine learning - Parte II
    • Proyectos de machine learning en la actualidad
    • Ciclo de desarrollo en inteligencia artificial - Parte I
    • Ciclo de desarrollo en inteligencia artificial - Parte II
  • Servicios cognitivos
    • Inteligencia artificial como servicio
    • Cómo usar modelos en mi organización y MLOps
  • Cierre
    • ¿Qué esperar del futuro? y 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 CNN, GAN y otras redes neuronales

U$S 510

  • Big data & IA
Inicio: 2 Mayo 2024
1 mes
Online
Ininterrumpido 24/7
Diploma de IEBS

Curso en CNN, GAN y otras redes neuronales

U$S 510