El deep learning es un tipo de machine learning que entrena a una computadora para que realice tareas como las hacemos los seres humanos, como el reconocimiento del habla o la identificación de imágenes. En lugar de organizar datos para que se ejecuten a través de ecuaciones predefinidas, el deep learning configura parámetros básicos acerca de los datos y entrena a la computadora para que aprenda por cuenta propia reconociendo patrones mediante el uso de muchas capas de procesamiento.

Pre-requisitos:

Conocimientos a nivel intermedio de creación de modelos analíticos y Machine Learning en Python.

Objetivo General:

  • Aprender a desarrollar modelos analíticos basados en redes neuronales utilizando Python, para resolver problemas de negocio entendiendo la importancia del entrenamiento intenso de los modelos.

Objetivos Específicos:

  • Aprender los principales conceptos de Inteligencia Artificial y la evolución de los algoritmos de Deep Learning.
  • Construir una red neuronal artificial.
  • Aprender los principales conceptos y tipologías de capas de la arquitectura de CNN.
  • Aprender y entender los procesos con dependencia temporal y el uso de RNN. Entender su funcionamiento, entrenamiento, configuración y validación.
  • Aprender sobre tópicos adicionales utilizando Python.

Resumen del contenido:

  • Introducción a la Inteligencia Artificial.
  • Construcción de una red neuronal.
  • Entrenamiento de redes neuronales.
  • Redes neuronales convolucionales.
  • Redes neuronales recurrentes.
  • Tópicos adicionales con Python.

 

Christian Fonseca

Manager Data Scientist - Financial Data & Advanced Analytics COE en BBVA, experiencia previa en BCP, Rimac Seguros, Accenture y Tekton Labs. Nanodegree en Deep Learning y Computen Vision por Udacity y bachiller en Ingeniería Mecatrónica por la UNI.
product_img1
Inversión: S/474.00 S/790.00
Inicio: 22/03/2023
Fin: 05/04/23
20 hrs. académicas
Online, 100% en vivo
5 sesiones
Mi - Vi / 07:30PM a 10:30PM
Certificado de aprobación