Deep Learning con Python

Datos del curso:

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.

✅ Contenido nuevo cada semana, hasta su culminación (pregrabado)

✅Modalidad en línea – On demand 👨‍💻

✅Asesoría via WhatsApp 👨‍🏫 – Directo con el instructor del curso

✅Incluye constancia DC-3 expedida por agente capacitador autorizado por la Secretaría de Trabajo y Previsión Social (Aplicable solo para México) 📜

✅Acceso permanente al contenido

✅Desarrollado sobre Windows

Contenido del curso:

Para mayor información ve a la pestaña Currículum

• Introducción
  • Preparación e instalación de software
  • Preparación de CUDA
  • Instalación de librerías
• Componentes matemáticos de las redes neuronales
  • Primer acercamiento a las redes neuronales
  • Representación de datos
  • Operaciones con tensores
  • Optimización basada en gradientes
  • Implementación de una red neuronal
• Tensorflow y Keras
  • Tensores constantes y variables
  • Operaciones con tensores
  • Gradient Tape
  • La clase Layer
  • Arquitectura del modelo
• Clasificación y regresión
  • Clasificación binaria
  • Clasificación multi clase
  • Regresión
• Fundamentos
  • Generalización
  • Underfitting y Overfitting
  • Evaluación
  • Mejora del ajuste
  • Mejora de la generalización
• Flujo de trabajo
  • Definición de la tarea
  • Definición del modelo
  • Despliegue del modelo
• Keras Avanzado
  • Personalización de ciclos de entrenamiento
  • Personalización de ciclos de evaluación
• Visión Artificial
  • Redes neuronales convolucionales
  • Entrenamiento de redes neuronales convolucionales
  • Arquitecturas modernas
  • Interpretación del aprendizaje de redes neuronales convolucionales
• Series temporales
  • Caso práctico
  • Redes neuronales recurrentes
  • Redes neuronales recurrentes avanzadas
• Análisis de texto
  • Procesamiento del lenguaje natural
  • La arquitectura Transformer
  • Aprendizaje de secuencia a secuencia
• Deep Learning Generativo
  • Generación de texto
  • Deep Dream
  • Transferencia de estilo neuronal
  • Generación de imágenes con autoencoders variacionales
  • Redes generativas adversarias

Requisitos de cómputo y material:

✅Procesador Core i3 o superior (o su equivalente en AMD)

✅8 GB de memoria RAM – Mínimo