CURSOS BONIFICABLES POR FUNDAE

Inteligencia Artificial y Deep Learning – Redes Neuronales con Tensorflow 2

En un minuto:

Descripción del curso

¿Quiere dominar las técnicas más avanzadas de Deep Learning y crear potentes Redes Neuronales desde cero? 

El objetivo de este curso es darte una guía fácil de entender para que pueda acometer sus proyectos de Inteligencia Artificial con técnicas Deep Learning y el framework Tensorflow / Keras y Python.

Tensorflow es una librería open source creada originalmente por Google para computación numérica utilizando grafos y flujos de datos. Nos permite crear redes neuronales con las que realizar un modelado de los datos aprendiendo de nuestras fuentes para poder realizar predicciones automáticas, emulando el comportamiento de las neuronas en los seres humanos.

Tensorflow es utilizada por las más potentes compañías alrededor del mundo como Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, SAP, Qualcomm, IBM, Intel y por supuesto Google.

En este curso aprenderá desde cero todo lo necesario para convertirse en un maestro de Deep Learning, instalaremos paso a paso el framework de Python y las librerías necesarias para que finalmente sea capaz de crear redes neuronales artificiales (ANN), redes neuronales convolucionales (CNN) para tratamiento de imágenes, redes neuronales recurrentes (RNN) para trabajar con secuencias de datos como previsiones temporales y redes neuronales en aprendizaje no supervisado para acometer proyectos de clusterización, detección de anomalías, etc.

Al finalizar el curso podrá crear potentes proyectos de Deep Learning a nivel profesional siendo capaz de extraer el máximo provecho a sus datos.

Este curso tendrá un enfoque eminentemente práctico, cada bloque contendrá casos prácticos explicados paso a paso para que entienda y aplique de inmediato el proceso a seguir en un proyecto de Deep Learning. 

Tendrá a su disposición un material extenso de consulta y todos los scripts explicados durante esta especialización de tal manera que le sea muy sencillo reutilizarlos para su caso de uso concreto. Mi objetivo es que cuando finalice el curso pueda aplicarlo de inmediato a su situación particular.

 

Es el momento de que pase a la acción, tomando este curso conseguirá dominar la tecnología más puntera de Deep Learning, lo cual supone obtener una habilidad muy importante para poder destacar sobre el resto y conseguir sacar el máximo provecho de sus datos y de su tiempo con inteligencia artificial.

¿A quién está dirigido este curso?

Toda persona que quiera aprender las tecnologías punteras de Machine Learning y Deep Learning.

Toda persona que quiera profundizar desde cero en el uso de las últimas versiones de Keras y Tensorflow 2.

Analistas de datos que quieran equiparse con un conocimiento avanzado para ejecutar sus proyectos de Machine Learning.

Estudiantes que quieran obtener habilidades que le abrirán puertas en el mercado laboral.

Cualquier persona que quiera predecir el futuro y crear potentes proyectos para solucionar múltiples problemas que existen en nuestro entorno.

¿Qué voy a aprender?

Puedes ver el temario completo más abajo. Con este curso vas a:

  • Dominar las técnicas de Deep Learning desde cero y con explicaciones sencillas.
  • Profundizar en los conceptos de Inteligencia Artificial, Machine Learning y Deep Learning.
  • Conocer los diferentes tipos de Redes Neuronales, valorar cuál es el más adecuado y optimizarlas.
  • Creación de Redes Neuronales Automáticas (ANN) con Tensorflow para aplicarlas en su proyecto de inicio a fin.
  • Creación de Redes Neuronales Convolucionales (CNN) con Tensorflow siendo capaz de crear proyectos basados en imágenes de inicio a fin.
  • Creación de Redes Neuronales Recurrentes (RNN) con Tensorflow y predecir series temporales.
  • Predecir el futuro gracias a los modelos de Machine Learning para conseguir la ventaja competitiva
  • Dar un enorme valor añadido tanto en su compañía como negocio personal
  • Adquirir un conocimiento extenso en la tecnología puntera de Inteligencia Artificial que podrás aplicar de inmediato a tu día a día.


Temario Curso Inteligencia Artificial y Deep Learning – Redes Neuronales con Tensorflow 2

  • 1.1 ¿Qué es Machine Learning y Deep Learning?
  • 1.2 Instalación de entorno Python y librerías Deep Learning
  • 1.3 Aprendizaje supervisado
  • 1.4 ¿Qué es el overfitting / underfitting en el aprendizaje supervisado?
  • 1.5 Evaluación de rendimiento de modelos - Métricas de Clasificación
  • 1.6 Evaluación de rendimiento de modelos - Métricas de Regresión
  • 1.7 Aprendizaje no supervisado
  • 2.1 ¿Qué es una neurona y el modelo perceptrón?
  • 2.2 ¿Qué son las redes neuronales?
  • 2.3 Funciones de activación
  • 2.4 Funciones de activación en modelos multiclase
  • 2.5 Funciones de Coste y de Gradiente Descendente
  • 2.6 Propagación hacia atrás (backpropagation)
  • 2.7 Claves para crear redes neuronales efectivas
  • 2.8 ¿Qué nos proporciona Tensorflow y Keras?
  • 2.9 Regresión con Keras - Presentación caso práctico
  • 2.10 Regresión con Keras - Importación de librerías y fuentes
  • 2.11 Regresión con Keras - Análisis de datos (EDA) + Preprocesado (I)
  • 2.12 Regresión con Keras - Análisis de datos (EDA) + Preprocesado (II)
  • 2.13 Regresión con Keras - División Train / Test
  • 2.14 Regresión con Keras - Escalado
  • 2.15 Regresión con Keras - Creación de modelo
  • 2.16 Regresión con Keras - Entrenamiento del modelo
  • 2.17 Regresión con Keras - Evaluación y Predicción
  • 2.18 Clasificación binaria con Keras - Presentación caso práctico
  • 2.19 Clasificación binaria con Keras - Importación de librerías y fuentes
  • 2.20 Clasificación binaria con Keras - Análisis de datos (EDA) + Preprocesado
  • 2.21 Clasificación binaria con Keras - División Train / Test
  • 2.22 Clasificación binaria con Keras - Escalado
  • 2.23 Clasificación binaria con Keras - Creación de modelo
  • 2.24 Clasificación binaria con Keras - Entrenamiento del modelo
  • 2.25 Clasificación binaria con Keras - Evaluación y Predicción
  • 2.26 Clasificación multiclase con Keras - Presentación caso práctico
  • 2.27 Clasificación multiclase con Keras - Importación de librerías y fuentes
  • 2.28 Clasificación multiclase con Keras - Análisis de datos (EDA) + Preprocesado (I)
  • 2.29 Clasificación multiclase con Keras - Análisis de datos (EDA) + Preprocesado (II)
  • 2.30 Clasificación multiclase con Keras - División Train / Test
  • 2.31 Clasificación multiclase con Keras - Escalado
  • 2.32 Clasificación multiclase con Keras - Creación de modelo
  • 2.33 Clasificación multiclase con Keras - Entrenamiento del modelo
  • 2.34 Clasificación multiclase con Keras - Evaluación y Predicción
  • 2.35 Clasificación multiclase con Keras - Monitorización con Tensorboard
  • 3.1 Introducción a las redes neuronales convolucionales (CNN)
  • 3.2 ¿Qué son los filtros de imagen y los kernels?
  • 3.3 Capas convolucionales en una CNN
  • 3.4 Capas pooling en una CNN
  • 3.5 Clasificación imágenes Blanco y Negro - Presentación caso práctico
  • 3.6 Clasificación imágenes Blanco y Negro - Importación de librerías y fuentes
  • 3.7 Clasificación imágenes Blanco y Negro - Preprocesado
  • 3.8 Clasificación imágenes Blanco y Negro - Creación del modelo
  • 3.9 Clasificación imágenes Blanco y Negro - Entrenamiento del modelo
  • 3.10 Clasificación imágenes Blanco y Negro - Evaluación y Predicción
  • 3.11 Clasificación imágenes RGB - Presentación caso práctico
  • 3.12 Clasificación imágenes RGB - Importación de librerías y fuentes
  • 3.13 Clasificación imágenes RGB - Preprocesado
  • 3.14 Clasificación imágenes RGB - Creación del modelo
  • 3.15 Clasificación imágenes RGB - Entrenamiento del modelo
  • 3.16 Clasificación imágenes RGB - Evaluación y Predicción
  • 4.1 Introducción a las redes neuronales recurrentes (RNN)
  • 4.2 Neuronas LSTM
  • 4.3 Creación de batches en RNN
  • 4.4 Forecast RNN - Presentación caso práctico
  • 4.5 Forecast RNN - Importación de librerías y fuentes
  • 4.6 Forecast RNN - Preprocesado
  • 4.7 Forecast RNN - División Train / Test
  • 4.8 Forecast RNN - Escalado
  • 4.9 Forecast RNN - Creación Generador Serie Temporal
  • 4.10 Forecast RNN - Creación del modelo
  • 4.11 Forecast RNN - Entrenamiento del modelo
  • 4.12 Forecast RNN - Evaluación y Predicción
  • 5.1 Introducción a las redes neuronales en aprendizaje no supervisado
  • 5.2 ¿Qué son los autoencoders en una red neuronal?
  • 5.3 NN No Supervisado - Presentación caso práctico
  • 5.4 NN No Supervisado - Importación de librerías y fuentes
  • 5.5 NN No Supervisado - Preprocesado
  • 5.6 NN No Supervisado - Escalado
  • 5.7 NN No Supervisado - Estimación número de clusters
  • 5.8 NN No Supervisado - Creación del modelo
  • 5.9 NN No Supervisado - Entrenamiento del modelo
  • 5.10 NN No Supervisado - Evaluación y Predicción de clusters
  • 6.1 Conclusiones

¿Obtengo diploma de certificación?

Este curso tiene ejercicios durante la duración del mismo, y un ejercicio final para evaluar tus conocimientos adquiridos. Si superas este examen obtendrás el diploma de certificación.

Este diploma es un certificado privado emitido por TrainingIT, y valorado en el mundo empresarial, ya que los clientes de HiringIT conocen y valoran nuestros cursos.

¿A quién va dirigido?

Nuestros cursos van dirigidos a profesionales del sector que quieran mejorar sus habilidades técnicas, hacerse expertos de la mano de tutores dedicados, y que quieran aprender junto a otros estudiantes. También está pensado para quien quiera mejorar en su carrera profesional, pues nuestros cursos cuentan con una bolsa de empleo.

¿Qué os diferencia de otros cursos?

Sobre todo por la calidad y por hacerlo online con la mentalidad de un curso presencial: profesor dedicado, ejercicios, tests, prueba final, tutorías, diploma de certificación, etc. Damos los mejores cursos online, entre determinadas fechas, buscando la colaboración de todos los alumnos, para que no sea un curso que hagas "sólo en casa", sino un curso que hagas a la vez que otros compañeros, pero donde quieras, y a tu ritmo. Nuestros cursos son de la más alta calidad, pero no queremos pararnos en las grandes ciudades, sino llegar a toda España y Latinoamérica.

¿Cómo de estrictos son los plazos?

Los cursos están pensados entre dos fechas, para tener disponible al profesor y resto de alumnos para resolver dudas. Si no lo terminas a tiempo, seguirás teniendo acceso a la plataforma con todo el material disponible. Sin embargo, no tendrás a los profesores a tu disposición, aunque sí a otros alumnos que puedan estar en tu misma situación.Los alumnos que bonifiquen el curso tendrán que completarlo en los plazos especificados, al menos con un 75% de las actividades del curso completadas, y unos tiempos de conexión a la plataforma acordes a los tiempos de dedicación del curso. De no ser así no se podrá aplicar bonificación sobre el curso.

¿Y si no resido en España?

Puedes realizar los cursos, por supuesto, a la vez que el resto de alumnos. También optarás al diploma y te tendremos en cuenta en la bolsa de trabajo, aunque la mayoría de empresas con las que trabajamos por ahora en cuanto a empleo son Españolas.

¿Puedo pagar por transferencia o Paypal?

Sí. Rellena el formulario y coméntanoslo, o ponte en contacto con nosotros en info@TrainingIT.es, diciéndonos en qué curso estás interesado, y te daremos información para hacer la transferencia o pagar por PayPal

Qué dicen de nosotros

Utilizamos cookies para mejorar nuestros servicios. OK | Más información
Subir