Currículum
12 Sections
129 Lessons
Duración
Expand all sections
Collapse all sections
Accede al curso de Programación en Python
1
1.1
Adquiere de forma gratuita el curso de Python
17 Hours
Introducción
11
2.1
Bienvenida al curso
1 Minutes
2.2
Introducción parte 1
2 Minutes
2.3
Introducción parte 2
3 Minutes
2.4
Introducción parte 3
6 Minutes
2.5
Introducción parte 4
2 Minutes
2.6
Introducción parte 5
4 Minutes
2.7
Introducción parte 6
4 Minutes
2.8
Instalación de Anaconda y creación del entorno virtual
6 Minutes
2.9
Preparación para CUDA – Parte 1
10 Minutes
2.10
Preparación para CUDA – Parte 2
10 Minutes
2.11
Intalación de librerías
10 Minutes
Componentes matemáticos de las redes neuronales
26
3.1
Introducción
1 Minutes
3.2
Primer acercamiento a las redes neuronales – Intro
2 Minutes
3.3
Primer acercamiento a las redes neuronales – Carga de datos
9 Minutes
3.4
Primer acercamiento a las redes neuronales – Creación del modelo
7 Minutes
3.5
Primer acercamiento a las redes neuronales – Compilación del modelo
3 Minutes
3.6
Primer acercamiento a las redes neuronales – Preprocesamiento de los datos
4 Minutes
3.7
Primer acercamiento a las redes neuronales – Entrenamiento y predicción
11 Minutes
3.8
Primer acercamiento a las redes neuronales – Evaluación
4 Minutes
3.9
Representación de datos para redes neuronales – Parte 1
8 Minutes
3.10
Representación de datos para redes neuronales – Parte 2
11 Minutes
3.11
Operaciones con tensores – Parte 1
14 Minutes
3.12
Operaciones con tensores – Broadcasting
11 Minutes
3.13
Operaciones con tensores – Producto de tensores
11 Minutes
3.14
Operaciones con tensores – Reestructuración de tensores
6 Minutes
3.15
Optimización basada en gradientes – Parte 1
7 Minutes
3.16
Optimización basada en gradientes – Parte 2
3 Minutes
3.17
Optimización basada en gradientes – Parte 3
5 Minutes
3.18
Optimización basada en gradientes – Parte 4
2 Minutes
3.19
Optimización basada en gradientes – Parte 5
3 Minutes
3.20
Optimización basada en gradientes – Parte 6
13 Minutes
3.21
Implementación de red neuronal desde cero – Introducción
6 Minutes
3.22
Implementación de red neuronal desde cero – Capa densa simple
16 Minutes
3.23
Implementación de red neuronal desde cero – Encadenar capas
11 Minutes
3.24
Implementación de red neuronal desde cero – Generador de lotes
4 Minutes
3.25
Implementación de red neuronal desde cero – Entrenamiento – Parte 1
8 Minutes
3.26
Implementación de red neuronal desde cero – Entrenamiento – Parte 2
20 Minutes
Tensorflow + Keras
10
4.1
Introducción
4 Minutes
4.2
Tensores constantes y variables
17 Minutes
4.3
Operaciones con tensores
7 Minutes
4.4
Tensores constantes en GradientTape
10 Minutes
4.5
Implementación de clasificador lineal sobre Tensorflow
21 Minutes
4.6
Keras – La clase Layer
12 Minutes
4.7
Keras – Importancia de la arquitectura del modelo
4 Minutes
4.8
Keras – Compile
5 Minutes
4.9
Keras – Función de perdida
5 Minutes
4.10
Keras – Fit, evaluate, predict
19 Minutes
Clasificación y regresión
16
5.1
Introducción
1 Minutes
5.2
Clasificación binaria – Carga del conjunto de datos
14 Minutes
5.3
Clasificación binaria – Preparación de datos
12 Minutes
5.4
Clasificación binaria – Construcción del modelo
9 Minutes
5.5
Clasificación binaria – Entrenamiento y validación
30 Minutes
5.6
Clasificación binaria – Juega un poco
15 Minutes
5.7
Clasificación multiclase – Carga del conjunto de datos
8 Minutes
5.8
Clasificación multiclase – Preparación de datos
11 Minutes
5.9
Clasificación multiclase – Construcción del modelo
6 Minutes
5.10
Clasificación multiclase – Validación y entrenamiento
15 Minutes
5.11
Clasificación multiclase – Juega un poco
15 Minutes
5.12
Regresión – Carga del conjunto de datos
5 Minutes
5.13
Regresión – Preparación de datos
4 Minutes
5.14
Regresión – Construcción del modelo
4 Minutes
5.15
Regresión – Validación K-Fold
22 Minutes
5.16
Regresión – Entrenamiento final
13 Minutes
Fundamentos
18
6.1
Introducción
1 Minutes
6.2
Generalización
2 Minutes
6.3
Generalización – Underfitting y Overfitting
23 Minutes
6.4
Generalización – Su naturaleza
20 Minutes
6.5
Evaluación – Introducción
4 Minutes
6.6
Evaluación – Validación simple con retención
6 Minutes
6.7
Evaluación – Validación k-fold
7 Minutes
6.8
Evaluación – Validación cruzada K-fold iterada con mezcla aleatoria
6 Minutes
6.9
Punto base de sentido común
4 Minutes
6.10
Aspectos clave sobre la evaluación de modelos
3 Minutes
6.11
Mejorar el ajuste – Resolviendo entrenamiento no inicia
10 Minutes
6.12
Mejorar el ajuste – Incrementar la capacidad del modelo
9 Minutes
6.13
Mejorar la generalización – Optimización del conjunto de datos
5 Minutes
6.14
Mejorar la generalización – Ingeniería de características
5 Minutes
6.15
Mejorar la generalización – Early stopping
5 Minutes
6.16
Mejorar la generalización – Regularización – Reducción del tamaño del modelo
16 Minutes
6.17
Mejorar la generalización – Regularización – Regularización de pesos
6 Minutes
6.18
Mejorar la generalización – Regularización – Dropout
6 Minutes
Flujo de trabajo
12
7.1
Introducción
5 Minutes
7.2
Definición del problema – Entender el problema
7 Minutes
7.3
Definición del problema – Recolectar datos
12 Minutes
7.4
Definición del problema – Entender los datos y Escoger una medida de éxito
4 Minutes
7.5
Creación del modelo – Preparar los datos
6 Minutes
7.6
Creación del modelo – Elección del protocolo de evaluación
2 Minutes
7.7
Creación del modelo – Superar una línea base
2 Minutes
7.8
Creación del modelo – Desarrollar un modelo que sobreajuste
2 Minutes
7.9
Creación del modelo – Regularizar y ajustar el modelo
3 Minutes
7.10
Implementación del modelo – Establecer expectativas
4 Minutes
7.11
Implementación del modelo – Desplegar un modelo de inferencia
3 Minutes
7.12
Implementación del modelo – Monitorear el modelo en producción y mantenimiento del modelo
2 Minutes
Keras avanzado
14
8.1
Introducción
3 Minutes
8.2
Estructura Secuencial
6 Minutes
8.3
API Funcional
7 Minutes
8.4
Modelos con multiples entradas y salidas
20 Minutes
8.5
Conectividad del modelo
6 Minutes
8.6
Heredando de Model
14 Minutes
8.7
Escritura de métricas personalizadas
15 Minutes
8.8
Callbacks
15 Minutes
8.9
Callbacks personalizados
7 Minutes
8.10
Entrenamiento VS Inferencia
7 Minutes
8.11
Ciclo completo de entrenamiento y evaluación
16 Minutes
8.12
tf.function
2 Minutes
8.13
fit() y el entrenamiento personalizado – Parte 1
7 Minutes
8.14
fit() y el entrenamiento personalizado – Parte 2
3 Minutes
Visión artificial
6
9.1
Redes neuronales convolucionales
9.2
Entrenamiento con pequeños conjuntos de datos
9.3
Modelos pre entrenados
9.4
Segmentación de imágenes
9.5
Estructuras modernas para redes neuronales convolucionales
9.6
Interpretación del aprendizaje de la red convolucional
Series temporales
4
10.1
Introducción
10.2
Predicción de temperatura
10.3
Redes neuronales recurrentes
10.4
Redes neuronales recurrentes – Parte 2
Análisis de texto
5
11.1
Introducción
11.2
Preparación de los datos
11.3
Conjuntos y secuencias
11.4
Arquitectura del transformador
11.5
Aprendizaje de secuencia a secuencia
Deep Learning generativo
6
12.1
Introducción
12.2
Generación de texto
12.3
DeepDream
12.4
Transferencia neuronal de estilo
12.5
Autoencoders variacionales
12.6
Redes generativas adversarias
Deep Learning con Python
Curriculum
This content is protected, please
login
and enroll in the course to view this content!
Inicio
Cursos
Buscar
Buscar
Cuenta
Inicie sesión con su cuenta de sitio
¿Perdiste tu contraseña?
Recuérdame
¿No eres miembro todavía?
Regístrate ahora
Register a new account
¿Es usted miembro?
Login now
Modal title
Main Content