Big data & IA
Curso en Redes Neuronales y Deep Learning
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.
Este curso forma parte del Máster en Data Science y Big Data.
Si quieres ampliar tu formación, consulta el programa completo.
Máster en Data Science y Big Data
a quién va dirigido
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
QUÉ APRENDERÁS
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.
PLAN DE ESTUDIOS
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
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
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
profesorado
aprende con los mejores expertos
OPINIONES del Curso en Redes Neuronales y Deep Learning
Orlando Hernández Jiménez
Consultant, Data Scientist and Trainer in BI, ECM, BigData, ML & Blockchain
Todos los objetivos claros en combinación con dedicación y esfuerzo, darán un extraordinario y satisfactorio resultado. Así que a seguir con los siguientes objetivos #iebs.
Arantxa Martínez Capitán
Técnico BPO en Integra HCM
En el Postgrado en Business Intelligence & BD he trabajado con herramientas como Alteryx, RapidMiner, MySQL y Microsoft Power BI. Con ellas he ido encajando piezas hasta crear el puzle completo mediante el desarrollo de casos prácticos reales.
Juan Manuel Hernández Espinosa
Senior Petroleum Economist & Data Scientist
¡He disfrutado mucho este viaje! Un logro más, ahora es el momento de aplicar todos los aprendizajes y aprovecharlos en todos los aspectos profesionales!, Gracias IEBS Business School.
Roberto Esteves
Gerente General en Masapp
Solamente pasaba para compartirles un pequeño éxito, haber terminado el postgrado en el IEBS Business School en "Data Science y Machine Learning", esto me sirve para poder seguir dando mejores capacitaciones.
resumen
del Curso en Redes Neuronales y Deep Learning
DURACIÓN
1 mes (40 horas)
INICIO
30 Octubre
Modalidad
Online - Accesible 24/7
precio
510 U$S
incluye
Diploma IEBS y bolsa de empleo
valoración
4.9/5 de valoración por los alumnos
No enseñamos el futuro. Te ayudamos a crearlo.
FORMACIÓN RELACIONADA
Curso en Transformación digital: Inteligencia Artificial Generativa (genAI) y cloud computing
Curso en Estrategia Digital: Cómo lograr ventajas diferenciales con tecnología digital
Curso en IA Aplicada a Social Media
Curso en Aprende a desarrollar narrativas con ChatGPT
Curso en IA aplicada al Customer experience
Curso en Revolución Visual: crea productos Audiovisuales con IA Generativa y Runway