Introducción práctica a redes neuronales con TensorFlow/Keras: visión general y aplicaciones.
Certificado del Programa
Los usuarios que se suscriban a este curso, tienen la oportunidad de obtener un Certificado de estudios con validez SEP , verificable, imprimible y descargable (PDF) .
Para Obtener tu certificado SEP deberás presentar tu certificado de finalización de coursera. Tu membresía tiene incluida la emisión de 1 Certificado para el curso que elijas.
Si quieres cursar otro programa con certificado este tiene un costo de emisión de MXN $1,950
-
-
- Introducción semana 1 00:02:26
- Información de la semana 00:30:00
- Las redes neuronales artificiales: Antecedentes 00:01:41
- Cuestionario: Antecedentes de las redes neuronales 00:20:00
- Redes neuronales artificiales: Básico 00:03:03
- Cuestionario: Fundamentos de las redes neuronales artificiales 00:20:00
- NN en Python para emular la función XOR 00:10:26
- Cuestionario 3: NN en Python para emular la función XOR 00:20:00
- Capas y componentes de una red de redes 00:08:51
- Cuestionario 4: Capas y componentes de una NN 00:20:00
- Procesamiento de datos: Feed-Forward 00:06:05
- Cuestionario 5: Procesamiento de datos: Feed-Forward 00:20:00
- Procesamiento de datos: Retropropagación 00:08:24
- Cuestionario 6: Procesamiento de datos: Propagación hacia atrás 00:20:00
- Limpieza de datos 00:06:19
- Cuestionario 7: Limpieza de datos 00:20:00
- Preparación de datos 00:04:47
- Cuestionario 8: Preparación de datos 00:20:00
- Definición de pesos y variables con la función FeedForward 00:05:01
- Cuestionario 9: Definición de pesos y variables con función FeedForward 00:20:00
- Función Backdrop y generación de NN 00:07:47
- Cuestionario 10: Función Backprop y generación de NN 00:20:00
- Visualización e interpretación de salidas 00:05:47
- Cuestionario 11: Visualización e interpretación de resultados 00:20:00
- Fin de la semana 1 00:01:54
- Introducción a la semana 2 00:01:09
- Contenido de la semana 00:30:00
- Tensorflow and its importance 00:01:44
- Cuestionario 12: TensorFlow y su importancia 00:20:00
- Tensores 00:01:07
- Cuestionario 13: Tensores 00:20:00
- Instalación de Tensorflow y Keras 00:09:16
- Observación 00:30:00
- Probando la instalación con la función XOR 00:13:03
- Cuestionario 14: Probando la instalación 00:20:00
- Dígitos manuscritos con Keras: Limpieza de datos 00:11:01
- Dígitos manuscritos con Keras: Construyendo y entrenando la NN 00:09:27
- Cuestionario 15: Construyendo y entrenando la NN 00:20:00
- Dígitos manuscritos con Keras: Evaluación de la red neuronal 00:11:40
- Cuestionario 16: Evaluación de la red neuronal 00:20:00
- NN cancer screening 00:14:38
- Cuestionario 17: Detección de cáncer de mama con NN 00:20:00
- Cierre de la semana 2 00:02:13
- Introducción a la semana 4 00:01:08
- Contenido de la semana 00:30:00
- ¿Qué es una red neuronal recurrente? 00:03:43
- Cuestionario 26: ¿Qué es una red neuronal recurrente? 00:20:00
- ¿Qué es una red neuronal de corto y largo plazo? 00:09:16
- Cuestionario 27: ¿Qué es una red neuronal de corto y largo plazo? 00:20:00
- Generación de texto: Exploración de datos 00:09:35
- Generación de texto: Preparación de datos 00:06:34
- Generación de texto: Construcción de modelo 00:07:30
- Generación de texto 00:06:38
- Cierre de semana 4 00:01:04
- HTML en bruto 00:30:00
- Cierre del curso 00:10:00
Comparte esta certificación.
Información del Curso
240 Horas Curriculares
24 Créditos Académicos
Certificado oficial SEP
Aprendizaje especializado
Contenido de la Certificación
1) Curso para comprender y aplicar los fundamentos del deep learning en problemas reales.
2) Trabajarás con redes neuronales y sus componentes para clasificación y generación.
3) Se exploran aplicaciones como visión e IA generativa de texto.
Viñetas (debajo del resumen):
• Perceptrón y redes multicapa.
• Entrenamiento, evaluación y regularización.
• Aplicaciones de visión y NLP (intro).
Habilidades:
Deep Learning, Redes neuronales, TensorFlow, Keras, Clasificación, NLP, Computer Vision
CURSO 1: Fundamentos de deep learning
- Historia, conceptos y arquitecturas.
CURSO 2: Redes y entrenamiento
- Funciones de activación, pérdida y optimización.
CURSO 3: Aplicaciones
- Visión por computador y NLP.
CURSO 4: Proyecto final
- Modelo básico y presentación.
