Introducción al Large Language Models
32 horas
$60,000
Deep Learning
Bady Gana Castillo
Data Scientist PhD
¿Te has preguntado cómo los filtros de redes sociales logran efectos tan reales o que parecen leerte la mente? En este curso entenderás los engranajes del aprendizaje profundo que hacen todo eso posible y aprenderás a llevarlos a proyectos con impacto real.
Iremos desde la intuición hasta arquitecturas clave e incluso modelos preentrenados listos para aplicar en visión por computador y texto. Al finalizar, estarás en condiciones de entrenar tu propia red en Python y evaluar su rendimiento con criterio.
Si buscas comprender cómo funcionan por dentro estas herramientas y cuándo conviene usarlas según el contexto y la calidad de los datos, este curso es para ti. ¡Te espero para recorrer este camino y convertir conocimiento en decisiones con impacto!
$70,000
Descripción
¿Te has preguntado alguna vez cómo funcionan los filtros de redes sociales? ¿Cómo Netflix recomienda series que parecen hechas a tu medida?
Este curso te enseñará los principios del Aprendizaje Profundo que hacen esto posible, proporcionándote las habilidades para contribuir en esta revolucionaria tecnología, asegurando que la inteligencia artificial sea una aliada, no una amenaza.
En este curso de Deep Learning, te sumergirás en los fundamentos esenciales del aprendizaje profundo. Comenzarás elaborando la intuición detrás de los principales conceptos en las redes neuronales construyendo gradualmente tu comprensión.
Entenderás las bases de la inteligencia artificial, hasta llegar a arquitecturas avanzadas como las Redes Neuronales Convolucionales (CNN), las Redes Neuronales Recurrentes (RNN) y hasta utilizar modelos pre-entrenados que podrás aplicar en el mundo real. A medida que avanzas, utilizarás estos conocimientos en proyectos para resolver tareas de visión por computadora y texto.
Con las bases sólidas de conocimiento, podrás entrenar tu propia red neuronal utilizando Python, adquiriendo habilidades necesarias para construir y evaluar modelos.
Nota: Para homologar tus CELE debes registrarte con tu correo UDD. Luego de haber aprobado la certificación de manera presencial, se homologarán tus créditos automáticamente.
Datos y Analítica
- 5 semanas
- 40 horas
-
Certificación Online
Lo que aprenderás con este curso
Inmersión al curso
Contenido
- Presentación del curso.
- Presentación de buenas prácticas y disciplina para el estudio online autónomo.
- Video presentación características de la plataforma.
- Presentación proceso de evaluación.
- Respuesta a dudas o consultas.
Módulo 1
Contenido
- Unidad 1: Definiciones preliminares: Deep learning
- Identificando redes neuronales en la actualidad.
- Conceptos preliminares.
- Historia del concepto.
- Algunos mitos.
- Motivación.
- Unidad 2: Neurona Artificial
- ¿Qué es?
- Inspiración biológica.
- Perceptrón.
- Componentes de una RNA.
- Ajuste en la neurona artificial.
- Ejemplo sencillo de como una RNA puede clasificar.
Módulo 2
Contenido
- Unidad 3: Red neuronal
- Topología de una red neuronal.
- Deconstruyendo la red en componentes.
- Entrada de datos.
- Pesos.
- Sesgo.
- Activación de las neuronas.
- Umbral.
- Capas en las redes neuronales.
- Funciones de activación.
- Linear.
- Tanh.
- ReLU.
- Sigmoid.
Módulo 3
Contenido
- Unidad 4: BackPropagation
- Origen conceptual.
- Intuición del backpropagation.
- Función de pérdida.
- Unidad 5: Overfitting y Underfitting
- ¿Qué es el sobre ajuste?
- Abordando el sobre ajuste.
Módulo 4
Contenido
- Unidad 6: Programando Redes neuronales
- Conceptos básicos de programación de redes neuronales.
- Herramientas, librerías y lenguajes de programación para implementar redes neuronales.
- Desarrollo de un ejemplo práctico de programación de red neuronal.
Módulo 5
Contenido
- Unidad 7: Redes Convolucionales (CNN)
- Principios fundamentales de las Redes Convolucionales.
- Arquitectura y capas de una Red Convolucional.
- Aplicaciones prácticas de las CNN en el procesamiento de imágenes.
- Ejemplos de implementación de Redes Convolucionales.
- Unidad 8: Redes recurrentes (RNN)
- Principios fundamentales de las Redes Recurrentes.
- Estructura y funcionamiento de una Red Recurrente.
- Aplicaciones prácticas de las RNN en el procesamiento de secuencias.
- Ejemplos de implementación de Redes Recurrentes.
Cierre del curso y Certificación de la habilidad
Contenido
- Repaso general del contenido.
- Evaluación de prueba.
- Certificación.
Certificación
Una vez hayas completado el curso, recibirás una prueba de certificación para la obtención de tu insignia digital la cual acredita el dominio de las habilidades definidas en este curso. Nuestras insignias digitales cuentan con tecnología blockchain la cual hace que sea segura, auténtica, verificable y fácil de compartir en tu red (accede, por ejemplo en LinkedIn).
Te podría interesar
¿Quieres ver más cursos?
Ver todos los cursos