Applied Deep Learning and neural networks
Crear modelos de IA con redes neuronales
Lo que serás capaz de hacer
Domina el aprendizaje profundo aplicado, las redes neuronales, TensorFlow, la visión artificial y la modelización predictiva a través de proyectos prácticos de IA. Desarrolla habilidades preparadas para el mundo laboral aprendiendo cómo las redes neuronales procesan datos, reconocen patrones visuales y generan predicciones. Esta Especialización ayuda a los alumnos a desarrollar una base sólida en aprendizaje profundo, al tiempo que aplican los conceptos a través de flujos de trabajo prácticos. Los alumnos explorarán arquitecturas de redes neuronales, funciones de activación, métodos de optimización, preparación de conjuntos de datos, evaluación de modelos e implementación basada en TensorFlow. La Ruta de aprendizaje se extiende también a la visión artificial, abarcando conceptos de procesamiento de imágenes, extracción de características, detección de objetos, segmentación, aprendizaje por transferencia y generación de imágenes. Los alumnos completarán además un proyecto práctico de redes neuronales centrado en la predicción del precio de los coches, en el que analizarán conjuntos de datos estructurados, prepararán características, crearán modelos de regresión, evaluarán resultados y mejorarán el rendimiento mediante técnicas de regularización. Al completar esta Especialización, los alumnos serán capaces de diseñar, construir, analizar y evaluar modelos de aprendizaje profundo para casos de uso de clasificación, visión artificial y análisis predictivo. Este programa es ideal para aspirantes a desarrolladores de IA, científicos de datos, estudiantes de aprendizaje automático y profesionales que busquen adquirir habilidades prácticas en redes neuronales.
- Crear y evaluar modelos de aprendizaje profundo utilizando TensorFlow, Keras y flujos de trabajo de redes neuronales.
- Aplicar técnicas de visión por ordenador para analizar imágenes, extraer características y resolver problemas de inteligencia artificial relacionados con la visión.
- Preparar conjuntos de datos estructurados y desarrollar modelos de regresión con redes neuronales para el análisis predictivo.
Temario
UNIDAD 1 - Fundamentos del Aprendizaje profundo · 10 leccionesAnalizar y construir modelos de aprendizaje profundo con TensorFlow - UNIDAD 1 - Fundamentos del Aprendizaje profundo
Analizar y construir modelos de aprendizaje profundo con TensorFlow - UNIDAD 1 - Fundamentos del Aprendizaje profundo
- Introducción al aprendizaje profundo
- Estructura de una red neuronal
- Recorrido por una red neuronal
- Conceptos básicos sobre el aprendizaje profundo y las redes neuronales
- Tipos de funciones de activación
- Optimización de la retropropagación
- Activación y optimización del aprendizaje
- Análisis de los fundamentos de las redes neuronales y del comportamiento de aprendizaje
- Fundamentos del Aprendizaje profundo
- Explaining Neural Network Design and Learning Choices
UNIDAD 2 - Herramientas de aprendizaje profundo y aplicación práctica · 13 leccionesAnalizar y construir modelos de aprendizaje profundo con TensorFlow - UNIDAD 2 - Herramientas de aprendizaje profundo y aplicación práctica
Analizar y construir modelos de aprendizaje profundo con TensorFlow - UNIDAD 2 - Herramientas de aprendizaje profundo y aplicación práctica
- Sesión informativa sobre TensorFlow
- Instalación de TensorFlow
- Implementación en Neural Package
- Continúa la implementación en Neural Package
- Implementación de TensorFlow y el paquete Neural
- Datos para el clasificador
- Implementación con Keras
- Valores del conjunto de datos
- Componentes del conjunto de datos
- Modelos del conjunto de datos
- Tratamiento de datos y creación de modelos
- Herramientas de aprendizaje profundo y aplicación práctica
- Designing and Implementing an End-to-End Deep Learning Solution
UNIDAD 3 - Fundamentos del aprendizaje profundo para la inteligencia visual · 12 leccionesAnalizar y aplicar el aprendizaje profundo para la visión por ordenador - UNIDAD 3 - Fundamentos del aprendizaje profundo para la inteligencia visual
Analizar y aplicar el aprendizaje profundo para la visión por ordenador - UNIDAD 3 - Fundamentos del aprendizaje profundo para la inteligencia visual
- Conceptos básicos de las redes neuronales
- Introducción al aprendizaje profundo
- Fundamentos de las redes neuronales
- Redes neuronales convolucionales (CNN)
- Redes neuronales recurrentes (RNN)
- Arquitecturas de aprendizaje profundo
- Modelos generativos
- Aprendizaje por transferencia y ajuste fino
- Paradigmas avanzados de aprendizaje
- Diseño de un enfoque de aprendizaje profundo para la inteligencia visual
- Fundamentos del aprendizaje profundo para la inteligencia visual
- Recomendación de la arquitectura de aprendizaje profundo adecuada para un prototipo de IA visual
UNIDAD 4 - Aplicaciones de visión artificial con aprendizaje profundo · 9 leccionesAnalizar y aplicar el aprendizaje profundo para la visión por ordenador - UNIDAD 4 - Aplicaciones de visión artificial con aprendizaje profundo
Analizar y aplicar el aprendizaje profundo para la visión por ordenador - UNIDAD 4 - Aplicaciones de visión artificial con aprendizaje profundo
- Fundamentos del tratamiento de imágenes
- Extracción de características
- Fundamentos de los datos visuales
- Detección de objetos
- Segmentación de imágenes
- Generación de imágenes
- Comprensión y generación visual
- Aplicaciones de visión artificial con aprendizaje profundo
- Ofrecemos una solución integral de visión artificial de aprendizaje profundo
UNIDAD 5 - Fundamentos de datos para la predicción del precio de los coches · 13 leccionesAplicación de redes neuronales para predecir el precio de los coches - UNIDAD 5 - Fundamentos de datos para la predicción del precio de los coches
Aplicación de redes neuronales para predecir el precio de los coches - UNIDAD 5 - Fundamentos de datos para la predicción del precio de los coches
- Introducción al proyecto
- Descarga de datos
- Configuración del proyecto y recopilación de datos
- Importar bibliotecas para el proyecto
- Carga de datos y análisis de estadísticas
- Realización de un análisis exploratorio de datos
- Carga de datos y análisis exploratorio
- Mapa de calor de EDA
- Codificación de datos
- Relaciones entre características y conceptos básicos de codificación
- Preparación de datos del mundo real para la modelización con redes neuronales
- Fundamentos de datos clasificados para la predicción del precio de los coches
- Preparación de un conjunto de datos para la predicción de precios mediante redes neuronales
UNIDAD 6 - Modelización y evaluación de redes neuronales · 13 leccionesAplicación de redes neuronales para predecir el precio de los coches - UNIDAD 6 - Modelización y evaluación de redes neuronales
Aplicación de redes neuronales para predecir el precio de los coches - UNIDAD 6 - Modelización y evaluación de redes neuronales
- Codificación de etiquetas
- Análisis de gráficos de distribución
- Ingeniería de características y distribución de datos
- Transformación logarítmica y eliminación de columnas
- Dividir los datos y entrenar
- Escala de datos
- Transformación de datos y preparación de modelos
- Red neuronal de entrenamiento
- Evaluación de modelos y modelo de representación gráfica
- Capas de descarte
- Creación y evaluación de la red neuronal
- Modelización y evaluación de redes neuronales graduadas
- Oferta de una solución integral basada en redes neuronales para la predicción del precio de los coches
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
6 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
21 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por EDUCBA.
- Folio y QR verificables para compartirlo con quien te contrate.
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 6 unidades · 70 lecciones · 144 h
- 12 meses de acceso
- 21 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por EDUCBA; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
