Curso de Deep Learning

Bienvenido al Curso Deep Learning.

El Deep Learning o Aprendizaje Profundo tiene un montón de matemáticas fascinantes detrás, pero usted no necesita conocerlas para poder usarlo como una herramienta en proyectos importantes.

En este curso se han utilizado muchas de las principales bibliotecas de aprendizaje profundo. Se ha elegido la mejor plataforma para iniciarse y desarrollar muy rápidamente productos potentes con modelos de aprendizajes profundos de última generación en Keras para Python. A diferencia de R, Python es un lenguaje de programación completo que le permite usar las mismas librerías para el desarrollo de modelos que en modelos de producción. A diferencia de Java, Python tiene la librería SciPy para la computación científica y scikit-learn, que es una biblioteca de Machine Learning de calidad profesional.

Actualmente existen dos plataformas numéricas principales para el desarrollo de modelos de aprendizaje profundo, las cuales son Theano desarrollado por la Universidad de Montreal y TensorFlow desarrollado en Google. Ambos fueron desarrollados para su uso en Python y ambos pueden ser aprovechadas por la librería Keras, la cual aprenderás en este curso de aprendizaje profundo. Keras envuelve la complejidad de la computación numérica de Theano y TensorFlow proporcionando una API que utilizaremos para desarrollar nuestra propia red neuronal y modelos de aprendizaje profundo.

 Curso de Aprendizaje Profundo

Descripción del Curso
Objetivos del curso

Desarrollar software basado en la inteligencia artificial y diseñar modelos de aprendizaje profundo para el procesamiento de textos, vídeos y audios.

Perfil del alumno

Profesionales del sector de la informática, matemática, física, telecomunicaciones y programadores que deseen desarrollar competencias en aprendizaje automático y aquellos que desean beneficiarse de las oportunidades que brinda la inteligencia artificial.

Salidas profesionales

El alumno dominará los conceptos y su implementación en distintas plataformas, siendo además capaz de desarrollar modelos basados en redes neuronales profundas mucho más modernas y sus aplicaciones en la visión artificial y la comprensión del lenguaje natural.

Requisitos técnicos

*Usted no necesita ser un experto en Machine Learning, pero sería útil si supiera cómo navegar en un problema de Machine Learning usando scikit-learn. Conceptos básicos como la validación cruzada y otros serán usados en este curso.

Que aprenderás cuando termines este curso
  • Cómo desarrollar y evaluar modelos de redes neuronales de principio a fin.
  • Cómo utilizar las técnicas más avanzadas necesarias para desarrollar modelos de Deep Learning de vanguardia.
  • Cómo construir modelos más grandes para datos de imagen y texto.
  • Cómo utilizar técnicas avanzadas de aumento de imagen para elevar el rendimiento del modelo.
  • Cómo obtener ayuda con el Deep Learning en Python.

Introducción al Deep Learning o Aprendizaje Profundo

1. Bases del Curso de Deep Learning:

  • En esta parte aprenderá acerca de Theano, TensorFlow y Keras que ponen a su disposición las librerías base para su viaje de aprendizaje profundo y sobre cómo se puede aprovechar el Amazon Web Service computing para desarrollar y evaluar sus propios  modelos en la nube. Esta parte del curso incluye las siguientes lecciones:

1. Introducción a la Biblioteca numérica Theano

2. Introducción a la librería numérica TensorFlow

3. Introducción a la Biblioteca de Aprendizaje Profundo Keras

    •  Estas 3 lecciones le introducirán las bibliotecas de Deep Learning más importantes que usted necesita para instalar y usar en su PC. Esto se lleva un paso más allá en un proyecto que muestra cómo puedes aprovechar el cloud computing de la GPU de forma económica para desarrollar y evaluar un aprendizaje profundo.

4. Proyecto: “Desarrolle grandes modelos de GPU de forma económica en la nube”

Al final de esta parte estarás listo para empezar a desarrollar modelos en Keras en tu PC o en la nube.

2. Redes Neuronales o Perceptrones Multicapa:

  1. En esta parte aprenderá acerca de las redes neuronales de retroalimentación que pueden ser profundas o no y cómo desarrollar expertamente sus propias redes y evaluarlas eficientemente usando Keras. Esta parte del curso incluye las siguientes lecciones:

1. Curso intensivo en Perceptrones Multicapa.

2. Desarrolle su primera red neuronal con Keras.

3. Evaluar el Rendimiento de los Modelos de Deep Learning.

4. Utilice los modelos Keras con Scikit-Learn para Machine Learning.

    • Estas importantes lecciones están ligadas a tres proyectos fundacionales. Estos proyectos demuestran cómo puede desarrollar rápida y eficientemente modelos de redes neuronales para datos tabulares y proporcionar plantillas de proyectos que puede utilizar en su propia regresión y problemas de aprendizaje de máquinas de clasificación. Estos proyectos incluyen son:

5. Proyecto: Problema de Clasificación Multiclase.

6. Proyecto: Problema de Clasificación Binaria.

7. Proyecto: Problema de Regresión de redes Neuronales.

    • Al final de esta parte estarás listo para descubrir los puntos del aprendizaje profundo usando la API de Keras.

3. Perceptrones Multicapa Avanzados

  • En esta parte aprenderá sobre algunos de los puntos más importantes de la librería Keras y la API para proyectos prácticos de aprendizaje de máquinas y algunos de los desarrollos más importantes en el campo de la tecnología aplicada con redes neuronales que necesita conocer para obtener resultados de clase mundial. Esta parte incluye las siguientes lecciones:

1. Guarde sus Modelos con Serialización de Red.

2. Mantenga los mejores modelos durante el entrenamiento con Checkpointing.

3. Entender el Comportamiento del Modelo Durante el Entrenamiento graficando la Perdida y la Precisión.

4. Reducir el sobreajuste con la regularización de la deserción.

5. Aumento del Rendimiento con tasas de Aprendizaje.

Al final de esta parte usted sabrá cómo manejar condescendentemente Keras en su propia máquina proyectos de aprendizaje con un enfoque en los puntos de la investigación del rendimiento del modelo, persistente para su uso posterior y la obtención de elevaciones en el rendimiento en comparación con los modelos de línea de base.

4. Redes Neuronales Convolucionales

En esta parte usted recibirá un curso intensivo en el modelo dominante para las máquinas de visión artificial y problemas de aprendizaje de lenguaje natural y cuál es la mejor manera de explotar la API de Keras para sus propios proyectos. Esta parte del curso incluye las siguiente lecciones:

1. Curso en Redes Neuronales Convolucionales

.La mejor manera de aprender acerca de este impresionante tipo de modelo de red neuronal es aplicarlo. Trabajará en tres proyectos más grandes y aplicará CNN a los datos de imagen para el reconocimiento de objetos y datos de texto para la clasificación de sentimientos.

2. Proyecto: Reconocimiento de dígitos manuscritos

3. Proyecto: Reconocimiento de objetos en fotografías

4. Proyecto: Clasificación de Sentimientos de Revisión de Películas

  • Después de completar las lecciones y los proyectos en esta parte usted tendrá las habilidades, el Conocimiento de plantillas y códigos de ejemplos completos para abordar su propio aprendizaje profundo en proyectos que utilizan redes neuronales convolucionales.

5. Redes Neuronales Recurrentes

  • En esta parte usted recibirá un curso intensivo en el modelo dominante para los datos con una secuencia y cómo puede explotar mejor las capacidades de la API de Keras para sus propios proyectos. Esta parte del libro incluye las siguientes lecciones:
    Curso acelerado en redes neuronales recurrentes.

1. Curso de Redes Neuronales Recurrentes

2. Modelos Perceptron multicapa para problemas con series temporales

3. Modelos LSTM para problemas con series temporales

4. Proyecto: Secuencia de Clasificación de Críticas de Películas

5. Entendiendo el Estado en los Modelos LSTM para Predicción de Secuencia

  • La mejor manera de aprender acerca de este complejo tipo de modelo de red neuronal es aplicarlo. Trabajará en dos proyectos más grandes y aplicará RNN a la clasificación de secuencias y al texto generación.

6. Proyecto: Generación de textos con Alicia en el País de las Maravillas.

  • Después de completar las lecciones y los proyectos en esta parte usted tendrá las habilidades y el Conocimiento de plantillas y códigos completos y de trabajo para abordar su propio aprendizaje profundo con proyectos que utilizan redes neuronales recurrentes.

➡ Te invitamos a la 1º clase del Curso de Deep Learning

Curso de Deep Learning

Otras curiosidades sobre el Deep Learning

Usted no necesita saber las matemáticas y la teoría de los algoritmos de Deep Learning. En este curso obtendrás un intensivo en redes neuronales su terminología y modelos, pero no entraremos en muchos detalles matemáticos.

Nota: Todos los tutoriales se pueden completar con el hardware estándar de un PC. No se requiere GPU. Algunos tutoriales (los últimos) pueden acelerarse significativamente si ejecutas los códigos en la GPU y se sugiere que se considere la posibilidad de utilizar el hardware de la GPU al principio del proyecto. Puedes acceder al hardware de la GPU de forma fácil y económica desde la nube y paso a paso, tarea que aprenderás en este curso.

¿Qué piensan de nuestro Curso de Deep Learning?

Natalia

Me apasiona el mundo de las redes neuronales y este curso python me llamó mucho. He realizado este fantástico curso y ahora puedo decir que soy una profesional en deep learning, lo recomiendo.

 

Los Mejores Cursos de Programación

¿Interesado en Aprender Programación? Cursos Python y más de 0 a Experto

Gracias!

error