Curso de Deep Learning 360 Nivel 1

Con este curso de Deep Learning 360 Nivel 1: Fundamentos de las redes neuronales, entenderás las diferentes ramas (como NLP y Computer Vision).

Aprende a crear distintas arquitecturas para los distintos tipos de problemas, haciendo foco en tips prácticos que te ayudarán a llegar más rápido a la solución.

Desde la intuición hasta lo técnico, aprende a enseñarle a las redes neuronales!

Tendrás acceso a Atenea nuestra IA que te guiará en tu aprendizaje en todo momento y también contarás con soporte de nuestros instructores, a través de nuestra comunidad.

#Redes Neuronales #Python #Deep Learning #Data Science

badge-videos
17
Lecciones
badge-timer
3
Horas
badge-code
20
Ejercicios
badge-school
Alumnos
badge-xp
XP
Python
keras
GoogleColab
sci kit
plotly
¡Iniciar Gratis!
Comprar curso: $7,330.00*
Comprar curso: $24.00
Suscribirse

*Hasta 6 pagos sin interés para Argentina.


Si estás pensando en comprar más de un curso te invitamos a ver nuestros planes de membresía

Descripción Del Curso

Las redes neuronales tienen distintas arquitecturas y formas de entrenarla, entre los componentes claves se encuentran:

- Elección de la cantidad de neuronas por capa (entrada, oculta y salida), y de su función de activación (softmax, ReLU y linear)

- Entrenamiento de una red neuronal (fit en Keras), con la elección de la función de pérdida (loss) y la actualización de pesos (algoritmo de aprendizaje).

- Elección del batch size según la RAM

- Relación entre los casos de entrenamiento, épocas e iteraciones.

- Concepto de underfitting, overfitting y early-stopping.

- Funciones de monitoreo de la función de pérdida y precisión.

En este curso aprenderás a entender todos estos componentes, y a modificarlos en los ejercicios prácticos.

Usaremos Keras, una de las librerías más utilizadas en la industria y en investigación por su rápido prototipado.

Al finalizar el curso sabrás:

✔ Arquitectura y estructura de datos para deep learning

✔ Componentes de una red neuronal

✔ Entrenar, predecir y monitorear resultados

✔ Tamaño del batch, épocas, tasa de aprendizaje, funciones de activación, y más!

Curso de Deep Learning 360 Nivel 1

Contenido

Al completar el curso tendrás un certificado de finalización para publicar en Linkedin. Además con Atenea podrás validar lo que aprendiste, haciendo evaluaciones a medida que avances con las lecciones. Tendrás soporte de nuestros instructores en todo momento a través de nuestra comunidad en Discord.

#
1

Etapa 1: Fundamentos de Deep Learning

¿Qué es y dónde se aplica Deep Learning? Comienza comprendiendo cómo aprende una red neuronal.

#
2

Etapa 2: Manos a la obra! Práctica con Keras

¡A practicar! Usando la herramienta gratuita Google Colab, comienza a crear tu primer modelo de Deep Learning con la librería Keras.

#
3

Etapa 3: Introducción a visión por computadora

Inicia en Computer Vision, uno de los campos de aplicación de Deep Learning.

Preguntas frecuentes

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Venenatis nec nisi ornare.

¿El curso es para mi? 🤔

arrow

¿R ó Python? 🤔

arrow

¿Cuál es la relación con “Ciencia de Datos 360”?

arrow

¿Qué librerías de Python voy a ver? 🧰

arrow

¿Cómo es la modalidad?

arrow

¿Incluye soporte? 🆘

arrow

¿Cuánto tiempo tendré acceso al curso?

arrow

¿Cuánto dura el curso? ⏰

arrow

¿Qué me puedo descargar? 🎁

arrow

¿Hay memes?

arrow

Todavía tengo dudas si el curso es para mi” 😰

arrow

Testimonios

No hay elementos para mostrar

Instructor del Curso

Pablo Casas
quien enseña en Edvai

Pablo Casas

Creador de la Escuela de Datos Vivos. Ingeniero en Sistemas UTN. Se dedica al mundo de datos desde 2007 y es Data Scientist hace más de 10 años; 1er Data Scientist en Auth0 en su etapa startup. Dictó clases en UTN y UBA. Divulgador y referente de IA en Argentina, dicta charlas en instituciones educativas y sector privado de más de 8 países.Participó en TEDxUTN. Escribió un libro gratuito en español (“Libro vivo de Ciencia de Datos” y en inglés, premiado por RStudio). Creador de librerías opensource en Python y R.
Perfil de Linkedin
social-linkedin
Utilizamos cookies en este sitio web para mejorar tu experiencia de usuario.
Al hacer click en el botón "Aceptar" o en cualquier enlace de este sitio web nos estás dando tu consentimiento para su uso.
Aceptar