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
Red neuronal convolucional – Dropout
<span data-mce-type="bookmark" style="display: inline-block; width: 0px; overflow: hidden; line-height: 0;" class="mce_SELRES_start"></span>
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