M
Miguel Ramirez Gil
Lo recomiendo a cualquier profesional del area.
PRECIO DE LANZAMIENTO
Inteligencia Artificial y Deep Learning desde Cero
4.7
(20)
|
412 Estudiantes
|
Certificación internacional
Acceso de por vida
Acceso multiplataforma
Info
USD 300.00
USD 300.00
USD 50.00
Descripcion
Domina la Inteligencia Artificial y el Deep Learning desde cero, construyendo redes neuronales y modelos de aprendizaje profundo con un enfoque 100% práctico.
¿Qué aprenderás?
- Fundamentos de IA, machine learning y deep learning
- Redes neuronales: perceptrón, capas, funciones de activación y backpropagation
- Redes convolucionales (CNN) para visión por computadora
- Redes recurrentes (RNN/LSTM) para secuencias y texto
- Entrenamiento, optimización y evaluación de modelos en Python
¿A quién está dirigido?
Estudiantes, programadores y profesionales que quieran iniciarse en IA y deep learning sin experiencia previa en el área.
Al finalizar el curso
Serás capaz de diseñar, entrenar y evaluar redes neuronales para resolver problemas reales de imágenes, texto y datos.
Contenido del Curso
Bienvenida
Presentacion del curso
Contexto del Deep Learning y Motivacion
Contexto del Deep Learning y Motivacion
Fake Obama creado utilizando Deep Learning
Entorno de aprendizaje
Introduccion a la seccion
Preparacion del entorno de aprendizaje
Preparacion del entorno offline
Preparacion del entorno online
Descarga de los ejercicios y de los conjuntos de d
Presentacion videos opcionales
[Opcional] Caso Practico Introduccion a Numpy
[Opcional] Caso Practico Introduccion a Pandas - S
[Opcional] Caso Practico Introduccion a Pandas - D
[Opcional] Caso Practico Introduccion a Matplotlib
Que es el Deep Learning
Introduccion a la seccion
Que es el Machine Learning
End-to-End Learning
Caso Practico Intuiciones sobre End-to-End Learnin
Que es el Deep Learning
Aplicaciones y clasificacion de las tecnicas de De
Presentacion videos opcionales
[Opcional] Aprendizaje supervisado
[Opcional] Aprendizaje no supervisado
Introduccion a las Redes Neuronales Artificiales (
Introduccion a la seccion
Introduccion a las Redes Neuronales Artificiales
Introduccion a la neurona de Mcculloch y Pitts
Caracteristicas de entrada y limitaciones de la Ne
Caso Practico Implementando la Neurona M-P
Caso Practico Diagnostico de cancer de mama con la
El Perceptron
Introduccion a la seccion
Introduccion al Perceptron
Neurona M-P vs Perceptron
Perceptron y eliminacion del threshold
Notacion y funcionamiento del Perceptron
Perceptron Funciones de activacion
Caso Practico Visualizacion del limite de decision
Perceptron Construccion del modelo
Perceptron Limitaciones
Caso Practico Clasificacion de Imagenes
Redes Neuronales Artificiales Profundas
Introduccion a la seccion
Introduccion al Perceptron Multicapa
Arquitectura del Perceptron Multicapa
Notacion y funcionamiento del Perceptron Multicapa
Componentes principales del Perceptron Multicapa
Funcion de activacion del Perceptron Multicapa
Caso Practico Limite de decision del Perceptron Mu
Introduccion a Forward Propagation
Forward Propagation con el Perceptron Multicapa
Forward Propagation para multiples entradas
Funcion de error y de optimizacion en RNAs
Introduccion a la seccion
Introduccion a la funcion de error
Entendiendo la funcion de error
Funcion de error final
Introduccion a la funcion de optimizacion
Entendiendo la funcion de optimizacion
Funcion de optimizacion final
Caso Practico Clasificacion de imagenes de digitos
Entrenamiento de Redes Neuronales Artificiales Pro
Introduccion a la seccion
Grafo computacional
Derivadas con el Grafo Computacional
Regla de la cadena
[Opcional] Simplificando el resultado de las deriv
Backward Propagation
Entrenado una RNA simple
Entrenando una RNA profunda
Caso Practico Clasificacion de audio (Parte I)
Caso Practico Clasificacion de audio (Parte II)
[Opcional] Implementacion Vectorizada de RNAs
Introduccion a la seccion
Introduccion a la vectorizacion
Vectorizacion de la primera hidden layer
Vectorizacion de la segunda hidden layer
Regresion y Clasificacion con RNAs
Introduccion a la seccion
Clasificacion con Redes Neuronales Artificiales
Introduccion a la Clasificacion Multiclase con RNA
Funcion de activacion Softmax
Funcion de error para Clasificacion Multiclase
Entrenando un Perceptron para Clasificacion Multic
Regresion con Redes Neuronales Artificiales
Introduccion a Keras
Introduccion a la seccion
Introduccion a Keras
Caso Practico Implementando una RNA con Keras
Caso Practico Entrenando una RNA con Keras
Caso Practico Limite de decision de una RNA profun
Caso Practico Clasificacion de sonido con Keras
Caso Practico Regresion con Keras
Funciones de activacion
Introduccion a la seccion
Introduccion a las funciones de activacion
Funcion de activacion tanh
Funcion de activacion relu
Entrenamiento con diferentes funciones de activaci
Caso Practico Visualizando las funciones de activa
Por que utilizar una funcion de activacion
Caso Practico Por que utilizar una funcion de acti
Por que utilizar una funcion de activacion diferen
Caso Practico Clasificacion de sentimientos
Funciones de Optimizacion
Introduccion a la seccion
Introduccion a Mini-Batch Gradient Descent
Mini-Batch Gradient Descent
Caso Practico Mini-Batch Gradient Descent
Stochastic Gradient Descent
Caso Practico Stochastic Gradient Descent
Exponentially Weighted Moving Average (Part I)
Exponentially Weighted Moving Average (Part II)
Caso Practico Exponentially Weighted Moving Averag
Momentum Gradient Descent
Caso Practico Momentum Gradient Descent
RMSprop
Caso Practico RMSprop
Adam Optimization
Caso Practico Adam Optimization
Seleccion de hiperparametros
Introduccion a la seccion
Que es un hiperparametro
Caso Practico Seleccion de hiperparametros con Ker
Numero de capas optimo
Numero de neuronas optimo
Otros hiperparametros relevantes
Caso Practico Seleccion de hiperparametros y clasi
Tensorflow
Introduccion a la seccion
Introduccion a Tensorflow
Caso Practico Tensores y operaciones con tensores
Caso Practico Creacion de una funcion de error per
Caso Practico Creacion de otros componentes person
Caso Practico Creacion de capas personalizadas
Consideraciones de un proyecto de Deep Learning
Introduccion a la seccion
Overfitting y Underfitting
Division del conjunto de datos (Train-Val-Test)
Que es la Regularizacion
Regularizacion en Redes Neuronales Artificiales
Dropout Regularization
Otros mecanismos de Regularizacion
Que es la Normalizacion
Caso Practico Clasificacion de Tweets de desastres
Despedida del curso
Despedida del curso
Requisitos
Requisitos
- Conocimientos básicos de programación (ideal Python, no excluyente)
- Computadora con conexión a Internet estable
- Matemática a nivel secundario (se repasan los conceptos necesarios)
Reseñas generales
4.7 de 5
20 Puntuaciones
5 star
75%
4 star
20%
3 star
5%
2 star
0%
1 star
0%
Reseñas destacadas
N
Natalia Cardenas Paz
Aprendi mas de lo que esperaba. Muy satisfecho.
F
Fernando Castillo Ramos
Me ayudo a mejorar significativamente mis habilidades.
O
Oscar Delgado Pena
Ejercicios bien planteados, casos reales muy utiles.
R
Raul Gutierrez Vega
Muy completo, con ejercicios practicos reales. Excelente.
S
Sergio Campos Rivera
De cero a entender RNAs profundas en pocas semanas.
J
Jorge Espinoza Lara
El instructor explica con claridad, contenido excelente.
D
Daniela Paredes Luna
Excelente cobertura de Keras, TensorFlow y fundamentos teoricos.
C
Carolina Fuentes Marin
Excelente para iniciar y profundizar en el tema.
C
Camila Reyes Torres
El mejor precio del mercado para este nivel de calidad.
L
Laura Sanchez Morales
Contenido claro, bien estructurado y dinamico.
D
Diego Perez Alarcon
Recomendado para quienes buscan certificarse.
L
Luis Armando Noriega
Buena relacion calidad precio, contenido solido.
M
Martin Salazar Flores
Material actualizado y aplicable al mundo real.
G
Gabriel Mendez Ruiz
Muy practico y directo, vale la pena tomarlo.
R
Roberto Aguilar Soto
Increible contenido, muy completo y profesional.
P
Patricia Herrera Diaz
Excelente para entender Deep Learning con casos practicos reales.
E
Elena Rojas Campos
Material muy completo, gane mucha confianza.
A
Andrea Lopez Mendoza
Simplemente perfecto, claro, practico y muy completo.
S
Sofia Vargas Castro
Aplicable directamente a mi trabajo actual.
USD 300.00
USD 50.00
PARA MAS INFORMACION
INGRESA TUS DATOS
Completa tus datos solo si estas evaluando inscribirte en este programa.
Parte de una ruta de especialización
Especialización en Data & Inteligencia Artificial
Inversion
USD 50.00
Duracion27 Horas
EvaluacionSi
CertificadoSi
WebinarsSi
IdiomaEspañol
Aprobacion94%