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
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!
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.
¿Qué es y dónde se aplica Deep Learning? Comienza comprendiendo cómo aprende una red neuronal.
¡A practicar! Usando la herramienta gratuita Google Colab, comienza a crear tu primer modelo de Deep Learning con la librería Keras.
Inicia en Computer Vision, uno de los campos de aplicación de Deep Learning.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Venenatis nec nisi ornare.
