Deep Learning con Python
Precio en pesos MXN
$2,299.00
$1,199.00
MXN
Descripción
- Modalidad en línea - On demand
- Incluye constancia DC-3 expedida por agente capacitador autorizado por la Secretaría de Trabajo y Previsión Social (Aplicable solo para México)
- Asesoría mediante WhatsApp (directo con el instructor)
- Acceso permanente al contenido
Lo que Aprenderás
Este curso te ofrece un enfoque práctico y estructurado para aprender Deep Learning, incluso si tienes poca experiencia en programación o en inteligencia artificial. Comenzarás por instalar las herramientas necesarias y entender los conceptos clave de redes neuronales. A medida que avances, implementarás tus propios modelos con TensorFlow y Keras, aplicando técnicas esenciales para tareas como clasificación, análisis de texto y generación de imágenes. Todo el contenido está diseñado para que puedas conectar teoría con práctica y aplicar lo aprendido en proyectos reales. Aquí encontrarás una guía clara y sin rodeos para adentrarte en el mundo del Deep Learning.
- Componentes matemáticos de las redes neuronales
- Tensorflow y Keras
- Clasificación y regresión
- Fundamentos
- Flujo de trabajo
- Keras avanzado
- Visión artificial
- Series temporales
- Análisis de texto
- Deep Learning generativo
Material y equipo necesario
- Laptop o computadora de escritorio con Core i3 o superior, 16GB RAM (mínimo), gráfica NVIDIA serie RTX o con soporte para CUDA, sistema Windows
- Python 3.9
- Listo, no requieres más material
Preguntas frecuentes
El acceso es permanente?
Es correcto, el curso cuenta con acceso permanente para que puedas avanzar a tu propio ritmo.
Incluye alguna constancia o diploma?
Es correcto, al finalizar el curso podrás acceder a tu certificado de finalización con identificador único.
Es un curso pregrabado, ¿Qué pasa si tengo dudas?
Puedes contactar al instructor en todo momento mediante WhatsApp, o consultar en el grupo exclusivo de estudiantes. Normalmente demoramos un par de minutos en ver tu mensaje.
Requiero 100% la tarjeta con soporte para CUDA?
Para seguir el curso al pie de la letra, si. Esto es debido a que trabajamos directamente sobre una PC para que el desarrollo sea extremadamente similar a como lo realizaría en un entorno real. Si bien puede realizar el curso sobre COLAB para evitar la compra de una tarjeta con soporte CUDA, COLAB no se encuentra incluido como tema dentro del curso.
La tarjeta gráfica con soporte CUDA ayuda a acelerar el entrenamiento de los modelos realizados, de otra manera cada entrenamiento puede durar desde un par de horas hasta días.
Currículum
Currículum
- 12 Sections
- 137 Lessons
- Duración
Expand all sectionsCollapse all sections
- Accede al curso de Programación en Python1
- Introducción11
- 2.1Bienvenida al curso1 Minutes
- 2.2Introducción parte 12 Minutes
- 2.3Introducción parte 23 Minutes
- 2.4Introducción parte 36 Minutes
- 2.5Introducción parte 42 Minutes
- 2.6Introducción parte 54 Minutes
- 2.7Introducción parte 64 Minutes
- 2.8Instalación de Anaconda y creación del entorno virtual6 Minutes
- 2.9Preparación para CUDA – Parte 110 Minutes
- 2.10Preparación para CUDA – Parte 210 Minutes
- 2.11Intalación de librerías10 Minutes
- Componentes matemáticos de las redes neuronales26
- 3.1Introducción1 Minutes
- 3.2Primer acercamiento a las redes neuronales – Intro2 Minutes
- 3.3Primer acercamiento a las redes neuronales – Carga de datos9 Minutes
- 3.4Primer acercamiento a las redes neuronales – Creación del modelo7 Minutes
- 3.5Primer acercamiento a las redes neuronales – Compilación del modelo3 Minutes
- 3.6Primer acercamiento a las redes neuronales – Preprocesamiento de los datos4 Minutes
- 3.7Primer acercamiento a las redes neuronales – Entrenamiento y predicción11 Minutes
- 3.8Primer acercamiento a las redes neuronales – Evaluación4 Minutes
- 3.9Representación de datos para redes neuronales – Parte 18 Minutes
- 3.10Representación de datos para redes neuronales – Parte 211 Minutes
- 3.11Operaciones con tensores – Parte 114 Minutes
- 3.12Operaciones con tensores – Broadcasting11 Minutes
- 3.13Operaciones con tensores – Producto de tensores11 Minutes
- 3.14Operaciones con tensores – Reestructuración de tensores6 Minutes
- 3.15Optimización basada en gradientes – Parte 17 Minutes
- 3.16Optimización basada en gradientes – Parte 23 Minutes
- 3.17Optimización basada en gradientes – Parte 35 Minutes
- 3.18Optimización basada en gradientes – Parte 42 Minutes
- 3.19Optimización basada en gradientes – Parte 53 Minutes
- 3.20Optimización basada en gradientes – Parte 613 Minutes
- 3.21Implementación de red neuronal desde cero – Introducción6 Minutes
- 3.22Implementación de red neuronal desde cero – Capa densa simple16 Minutes
- 3.23Implementación de red neuronal desde cero – Encadenar capas11 Minutes
- 3.24Implementación de red neuronal desde cero – Generador de lotes4 Minutes
- 3.25Implementación de red neuronal desde cero – Entrenamiento – Parte 18 Minutes
- 3.26Implementación de red neuronal desde cero – Entrenamiento – Parte 220 Minutes
- Tensorflow + Keras10
- 4.1Introducción4 Minutes
- 4.2Tensores constantes y variables17 Minutes
- 4.3Operaciones con tensores7 Minutes
- 4.4Tensores constantes en GradientTape10 Minutes
- 4.5Implementación de clasificador lineal sobre Tensorflow21 Minutes
- 4.6Keras – La clase Layer12 Minutes
- 4.7Keras – Importancia de la arquitectura del modelo4 Minutes
- 4.8Keras – Compile5 Minutes
- 4.9Keras – Función de perdida5 Minutes
- 4.10Keras – Fit, evaluate, predict19 Minutes
- Clasificación y regresión16
- 5.1Introducción1 Minutes
- 5.2Clasificación binaria – Carga del conjunto de datos14 Minutes
- 5.3Clasificación binaria – Preparación de datos12 Minutes
- 5.4Clasificación binaria – Construcción del modelo9 Minutes
- 5.5Clasificación binaria – Entrenamiento y validación30 Minutes
- 5.6Clasificación binaria – Juega un poco15 Minutes
- 5.7Clasificación multiclase – Carga del conjunto de datos8 Minutes
- 5.8Clasificación multiclase – Preparación de datos11 Minutes
- 5.9Clasificación multiclase – Construcción del modelo6 Minutes
- 5.10Clasificación multiclase – Validación y entrenamiento15 Minutes
- 5.11Clasificación multiclase – Juega un poco15 Minutes
- 5.12Regresión – Carga del conjunto de datos5 Minutes
- 5.13Regresión – Preparación de datos4 Minutes
- 5.14Regresión – Construcción del modelo4 Minutes
- 5.15Regresión – Validación K-Fold22 Minutes
- 5.16Regresión – Entrenamiento final13 Minutes
- Fundamentos18
- 6.1Introducción1 Minutes
- 6.2Generalización2 Minutes
- 6.3Generalización – Underfitting y Overfitting23 Minutes
- 6.4Generalización – Su naturaleza20 Minutes
- 6.5Evaluación – Introducción4 Minutes
- 6.6Evaluación – Validación simple con retención6 Minutes
- 6.7Evaluación – Validación k-fold7 Minutes
- 6.8Evaluación – Validación cruzada K-fold iterada con mezcla aleatoria6 Minutes
- 6.9Punto base de sentido común4 Minutes
- 6.10Aspectos clave sobre la evaluación de modelos3 Minutes
- 6.11Mejorar el ajuste – Resolviendo entrenamiento no inicia10 Minutes
- 6.12Mejorar el ajuste – Incrementar la capacidad del modelo9 Minutes
- 6.13Mejorar la generalización – Optimización del conjunto de datos5 Minutes
- 6.14Mejorar la generalización – Ingeniería de características5 Minutes
- 6.15Mejorar la generalización – Early stopping5 Minutes
- 6.16Mejorar la generalización – Regularización – Reducción del tamaño del modelo16 Minutes
- 6.17Mejorar la generalización – Regularización – Regularización de pesos6 Minutes
- 6.18Mejorar la generalización – Regularización – Dropout6 Minutes
- Flujo de trabajo12
- 7.1Introducción5 Minutes
- 7.2Definición del problema – Entender el problema7 Minutes
- 7.3Definición del problema – Recolectar datos12 Minutes
- 7.4Definición del problema – Entender los datos y Escoger una medida de éxito4 Minutes
- 7.5Creación del modelo – Preparar los datos6 Minutes
- 7.6Creación del modelo – Elección del protocolo de evaluación2 Minutes
- 7.7Creación del modelo – Superar una línea base2 Minutes
- 7.8Creación del modelo – Desarrollar un modelo que sobreajuste2 Minutes
- 7.9Creación del modelo – Regularizar y ajustar el modelo3 Minutes
- 7.10Implementación del modelo – Establecer expectativas4 Minutes
- 7.11Implementación del modelo – Desplegar un modelo de inferencia3 Minutes
- 7.12Implementación del modelo – Monitorear el modelo en producción y mantenimiento del modelo2 Minutes
- Keras avanzado14
- 8.1Introducción3 Minutes
- 8.2Estructura Secuencial6 Minutes
- 8.3API Funcional7 Minutes
- 8.4Modelos con multiples entradas y salidas20 Minutes
- 8.5Conectividad del modelo6 Minutes
- 8.6Heredando de Model14 Minutes
- 8.7Escritura de métricas personalizadas15 Minutes
- 8.8Callbacks15 Minutes
- 8.9Callbacks personalizados7 Minutes
- 8.10Entrenamiento VS Inferencia7 Minutes
- 8.11Ciclo completo de entrenamiento y evaluación16 Minutes
- 8.12tf.function2 Minutes
- 8.13fit() y el entrenamiento personalizado – Parte 17 Minutes
- 8.14fit() y el entrenamiento personalizado – Parte 23 Minutes
- Visión artificial14
- 9.1Redes neuronales convolucionales – Introducción1 Minutes
- 9.2Redes neuronales convolucionales – Ejemplo práctico10 Minutes
- 9.3Operación de convolución12 Minutes
- 9.4Operación MaxPooling6 Minutes
- 9.5Entrenamiento con pequeños conjuntos de datos – Introducción6 Minutes
- 9.6Entrenamiento con pequeños conjuntos de datos – El modelo5 Minutes
- 9.7Entrenamiento con pequeños conjuntos de datos – Carga de datos y entrenamiento8 Minutes
- 9.8Entrenamiento con pequeños conjuntos de datos – Evaluación7 Minutes
- 9.9Aumentación de datos8 Minutes
- 9.10Entrenamiento con pequeños conjuntos de datos – Modificación del modelo5 Minutes
- 9.11Modelos pre entrenados
- 9.12Segmentación de imágenes
- 9.13Estructuras modernas para redes neuronales convolucionales
- 9.14Interpretación del aprendizaje de la red convolucional
- Series temporales4
- Análisis de texto5
- Deep Learning generativo6
Instructor
1521 Estudiante16 Curso
Soy un apasionado por la innovación tecnológica, el desarrollo y el emprendimiento. Durante mi educación superior me enfoqué en la programación de software para visión artificial e inteligencia artificial. Poco después al graduarme tuve la oportunidad de aplicar estos conocimientos en el desarrollo de soluciones para empresas como General Motors, Ford, Harley-Davidson, Mack, Tesla y unas cuantas empresas más del ramo automotriz.
Reseñas
Precio en pesos MXN
$2,299.00
$1,199.00
MXN
Gran venta
Adquierlo en paquete
Posiblemente estés interesado en
-
Todos los niveles
-
17 Estudiante
-
0 Lección
$2,700.00 MXN
📅 Inicio del curso: 15 de junio 🚀 ¡Bienvenido al curso que...
-
Principiante
-
113 Estudiante
-
52 Lección
$2,199.00 MXN
Modalidad en línea – On demand Incluye constancia DC-3 expedida por agente...
-
Intermedio
-
115 Estudiante
-
44 Lección
$2,199.00
Este curso sigue en desarrollo y pronto estará disponible para inscripción, de...
-
Principiante
-
118 Estudiante
-
68 Lección
$1,299.00$579.00
Este curso está orientado a estudiantes, técnicos y profesionales que buscan desarrollar...
$2,299.00
$1,199.00
MXN
Sign up to receive our latest updates
[mc4wp_form id=3101]
Ponte en contacto
Temas populares
¿Ya nos sigues?
- © 2024 Academia TIN. Todos los derechos reservados.