El curso en Deep Learning Avanzado es tu puerta de entrada a uno de los campos más dinámicos y demandados en el mundo de la tecnología. Con el avance imparable de la inteligencia artificial, el deep learning se ha convertido en una herramienta esencial para transformar industrias y resolver problemas complejos. En este curso, adquirirás habilidades especializadas en redes neuronales, sistemas de recomendación y estrategias de aprendizaje, utilizando herramientas modernas como Python, Keras y TensorFlow. Este curso, diseñado para adaptarse a ti de manera remota, te brindará la flexibilidad de aprender desde cualquier lugar, preparándote para liderar la próxima generación de tecnologías de inteligencia artificial.
Sectorial
Desarrollo de IA
40 h
Deep Learning Avanzado
Desarrollo de IA
40 h
Presentación
Objetivos
• Comprender las diferencias entre aprendizaje automático y aprendizaje profundo.
• Identificar y aplicar algoritmos de clustering para extraer estructuras de datos.
• Desarrollar sistemas de recomendación utilizando filtrado colaborativo e híbrido.
• Aplicar clasificadores y algoritmos para mejorar la precisión en tareas de clasificación.
• Diseñar y entrenar redes neuronales utilizando Python, Keras y TensorFlow.
• Implementar redes multicapa y entender su funcionamiento con ejemplos prácticos.
• Analizar y aplicar estrategias de aprendizaje para optimizar redes neuronales profundas.
Índice de contenidos
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING
Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
Introducción
Algoritmos
UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 4. CLASIFICACIÓN
Clasificadores
Algoritmos
UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING
Componentes
Aprendizaje
UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación
UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
UNIDAD DIDÁCTICA 8. SISTEMAS NEURONALES
Redes neuronales
Redes profundas y redes poco profundas
UNIDAD DIDÁCTICA 9. REDES DE UNA SOLA CAPA
Perceptrón de una capa y multicapa
Ejemplo de perceptrón
UNIDAD DIDÁCTICA 10. REDES MULTICAPA
Tipos de redes profundas
UNIDAD DIDÁCTICA 11. ESTRATEGIAS DE APRENDIZAJE
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa
Más cursos relacionados
Sectorial
Sectorial
Sectorial