Aprendizaje Profundo (Deep Learning)
Este curso de Aprendizaje Profundo está diseñado para estudiantes universitarios interesados en adquirir conocimientos y habilidades avanzadas en el campo del aprendizaje automático. A medida que la tecnología continúa avanzando, el aprendizaje profundo se ha convertido en una herramienta poderosa para resolver problemas complejos y tomar decisiones basadas en datos. En este curso, exploraremos los fundamentos teóricos y prácticos del aprendizaje profundo, así como las aplicaciones en diferentes industrias. A través de ejemplos prácticos y proyectos, los estudiantes desarrollarán la capacidad de construir y entrenar redes neuronales profundas para resolver problemas reales.
![](https://cdn.prod.website-files.com/659d7a569ceab6683611599b/65a1699eacec61e0e3a601fa_materias-hero.png)
Objetivos de aprendizaje
![Inteligencia Artificial y Robótica](https://cdn.prod.website-files.com/659dd4ebe3b5f6e61206f5b3/65ceed42cae9f335a73fc97b_SCLdHsH9Ew9AWyRU69G8Tuhza4bflZVzCGnRqgwaBYk.jpeg)
- Comprender los conceptos fundamentales del aprendizaje profundo.
- Aplicar técnicas y algoritmos de aprendizaje profundo para resolver problemas específicos.
- Evaluar y seleccionar arquitecturas de redes neuronales profundas adecuadas para diferentes tareas.
- Implementar y entrenar redes neuronales profundas utilizando frameworks populares como TensorFlow.
- Analizar y mejorar el rendimiento de los modelos de aprendizaje profundo.
Temas
1.
¿Qué es el aprendizaje profundo?
2.
Importancia y aplicaciones del aprendizaje profundo
3.
Principales conceptos y terminología del aprendizaje profundo
1.
Perceptrón
2.
Funciones de activación
3.
Entrenamiento de redes neuronales
1.
Filtros y convoluciones en redes neuronales convolucionales
2.
Arquitectura de redes neuronales convolucionales
3.
Aplicaciones de redes neuronales convolucionales
1.
Arquitectura de las redes neuronales recurrentes
2.
Tipos de redes neuronales recurrentes
3.
Aplicaciones de las redes neuronales recurrentes
1.
Aplicaciones de Reconocimiento de Imágenes
2.
Aplicaciones de Procesamiento de Lenguaje Natural
3.
Aplicaciones de Análisis de Datos