Currículum
13 Sections
56 Lessons
Duración
Expand all sections
Collapse all sections
Cursos de regularización
1
1.1
Accede al curso completo de Programación en Python
17 Hours
Introducción
5
2.1
Bienvenida
2 Minutes
2.2
Creación del entorno e instalación de Spyder
6 Minutes
2.3
Preparación para CUDA – Parte 1
10 Minutes
2.4
Preparación para CUDA – Parte 2
10 Minutes
2.5
Instalación de librerías
10 Minutes
Modelos generativos
8
3.1
Introducción
1 Minutes
3.2
¿Qué es el modelado generativo?
3 Minutes
3.3
Modelado generativo VS discriminativo
3 Minutes
3.4
El auge del modelado generativo
2 Minutes
3.5
Modelado generativo e IA
3 Minutes
3.6
Mi primer modelo generativo
7 Minutes
3.7
Aprendizaje de representación
5 Minutes
3.8
Taxonomía del modelo generativo
3 Minutes
Deep Learning
16
4.1
Introducción
2 Minutes
4.2
Datos
5 Minutes
4.3
Deep Neural Networks – ¿Qué es una red neuronal?
4 Minutes
4.4
Deep Neural Networks – Características avanzadas
3 Minutes
4.5
Deep Neural Networks – Tensorflow y Keras
1 Minutes
4.6
El perceptrón multicapa – Introducción
2 Minutes
4.7
El perceptrón multicapa – Preparación de los datos
13 Minutes
4.8
El perceptrón multicapa – Creación del modelo
14 Minutes
4.9
El perceptrón multicapa – Compilar modelo
6 Minutes
4.10
El perceptrón multicapa – Entrenamiento
6 Minutes
4.11
El perceptrón multicapa – Evaluación
22 Minutes
4.12
Red neuronal convolucional – Capas convolucionales
8 Minutes
4.13
Red neuronal convolucional – Capas convolucionales – Parametros
10 Minutes
4.14
Red neuronal convolucional – Normalización por lotes
7 Minutes
4.15
Red neuronal convolucional – Dropout
4 Minutes
4.16
Red neuronal convolucional – Entrenamiento de una red neuronal convolucional
16 Minutes
Autoencoders variacionales
13
5.1
Introducción
6 Minutes
5.2
Estructura del autoencoder
21 Minutes
5.3
Entrenamiento del autoencoder
5 Minutes
5.4
Reconstruir imágenes
8 Minutes
5.5
Ver el espacio latente
6 Minutes
5.6
Generar nuevas imágenes
11 Minutes
5.7
Autocodificadores variacionales
8 Minutes
5.8
Autocodificadores variacionales – Capa personalizada para muestreo
10 Minutes
5.9
Autocodificadores variacionales – La función de pérdida
4 Minutes
5.10
Autocodificadores variacionales – Construcción y entrenamiento
26 Minutes
5.11
Análisis del autocodificador variacional
11 Minutes
5.12
Reconstrucción de imágenes de rostros – El modelo
18 Minutes
5.13
Reconstrucción de imágenes de rostros – Predicciones
8 Minutes
Redes generativas adversativas
13
6.1
Introducción
4 Minutes
6.2
Aplicaciones de las GAN y diferencias contra los Autoencoders
4 Minutes
6.3
Conjunto de datos
6 Minutes
6.4
El discriminador
6 Minutes
6.5
El generador
7 Minutes
6.6
Entrenar la red
43 Minutes
6.7
Consejos y trucos
15 Minutes
6.8
Red GAN de Wasserstein con penalización de gradiente – Introducción
2 Minutes
6.9
Pérdida de Wasserstein
5 Minutes
6.10
La restricción de Lipschitz y La pérdida de penalización de gradiente
5 Minutes
6.11
Creación del Crítico
8 Minutes
6.12
Entrenamiento de WGAN-GP
23 Minutes
6.13
GAN Condicional
13 Minutes
Modelos autorregresivos
0
Modelos de flujos de normalización
0
Modelos basados en energía
0
Modelos de difusión
0
Transformers
0
Redes GAN avanzadas
0
Modelos multimodales
0
Deep Learning Generativo 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