Objetivos
- Comprender los conceptos fundamentales de las redes neuronales artificiales.
- Analizar las características y aplicaciones del deep learning.
- Diferenciar entre los distintos tipos de redes neuronales y sus usos específicos.
- Utilizar Keras y Tensorflow para construir y entrenar modelos de deep learning.
- Implementar modelos de aprendizaje profundo utilizando Pytorch.
- Comparar y seleccionar la herramienta adecuada para diferentes aplicaciones de deep learning.
- Comprender la estructura y el funcionamiento de las redes neuronales convolucionales.
- Modelar arquitecturas de redes convolucionales para diversas aplicaciones.
- Identificar y mitigar problemas de sobreajuste en redes convolucionales.
- Explicar la arquitectura y los algoritmos de aprendizaje de las redes neuronales recurrentes.
- Identificar y utilizar los diferentes tipos de redes neuronales recurrentes.
- Implementar una red neuronal recurrente y evaluar su rendimiento en aplicaciones prácticas.
- Comprender los enfoques y características del deep learning no supervisado.
- Diferenciar entre los tipos de machine learning y sus aplicaciones en el aprendizaje no supervisado.
- Aplicar técnicas de deep learning no supervisado en problemas prácticos y evaluar sus resultados.
Contenidos
- Comprender los conceptos fundamentales de las redes neuronales artificiales.
- Analizar las características y aplicaciones del deep learning.
- Diferenciar entre los distintos tipos de redes neuronales y sus usos específicos.
- Utilizar Keras y Tensorflow para construir y entrenar modelos de deep learning.
- Implementar modelos de aprendizaje profundo utilizando Pytorch.
- Comparar y seleccionar la herramienta adecuada para diferentes aplicaciones de deep learning.
- Comprender la estructura y el funcionamiento de las redes neuronales convolucionales.
- Modelar arquitecturas de redes convolucionales para diversas aplicaciones.
- Identificar y mitigar problemas de sobreajuste en redes convolucionales.
- Explicar la arquitectura y los algoritmos de aprendizaje de las redes neuronales recurrentes.
- Identificar y utilizar los diferentes tipos de redes neuronales recurrentes.
- Implementar una red neuronal recurrente y evaluar su rendimiento en aplicaciones prácticas.
- Comprender los enfoques y características del deep learning no supervisado.
- Diferenciar entre los tipos de machine learning y sus aplicaciones en el aprendizaje no supervisado.
- Aplicar técnicas de deep learning no supervisado en problemas prácticos y evaluar sus resultados.
50
HORAS