Este es el primer curso de la especialidad en Deep Learning, donde sentamos las bases para que aprendas a crear tus propias redes neuronales y posteriormente puedas aprender y desarrollar arquitecturas de redes neuronales más complejas
¡Bienvenido al viaje emocionante de explorar las entrañas de las redes neuronales y sumergirte en los principios fundamentales del aprendizaje profundo! En este curso, te guiaremos paso a paso a través de conceptos clave, herramientas esenciales y aplicaciones prácticas que te ayudarán a construir una base sólida en este emocionante campo.
Adéntrate en el funcionamiento interno de las redes neuronales, desde la estructura de las neuronas hasta el entrenamiento de modelos avanzados. Domina el uso de herramientas fundamentales como TensorFlow y Keras, que son indispensables en el desarrollo de soluciones de inteligencia artificial.Acompañado por un instructor experto, recibirás orientación personalizada y consejos prácticos para navegar por el vasto campo de las redes neuronales.
Al final del curso, tendrás una comprensión profunda de los fundamentos de las redes neuronales, permitiéndote abordar conocimientos más avanzados con confianza. Aprende sobre el preprocesameinto de datos, construir modelos multicapa completamente conectados y optimizar el rendimiento de tus redes neuronales.
Este curso es tu puerta de entrada al mundo apasionante de las redes neuronales. ¡Prepárate para desbloquear tu potencial y marcar la diferencia en el emocionante campo de la inteligencia artificial! Únete a nosotros y comienza tu viaje hoy mismo.
Introducción a las redes neuronales
Vectorización
Matemáticas de Deep Learning
Conceptos Importantes
Introducción a las redes neuronales
TensorFlow
Preprocesamiento de Datos
Recursos de TensorFlow
Creación de modelos de redes neuronales
Bases de optimización
Duración: 35 horas
Requisitos de conocimientos:
Programación en Python 3.x
Conocimientos básicos de Regresión y Clasificación
Conocimientos de métricas básicas para Regresión y Clasificación
Requisitos:
Laptop requerimientos mínimos:
CPU de 64 bits, 8 GB RAM, 20 GB libres en disco. Se recomienda un equipo mejor
El curso se da bajo Windows 10
Cuenta de Google para Colab
Conexión a Internet
Instalar Anaconda para Python
https://www.anaconda.com/
¿Necesito saber cálculo para tomar este curso?
En el curso nos enfocamos en entender los conceptos de lo que sucede matemáticamente, no necesitas saber cálculo para tomar el curso. Las matemáticas serán ejecutadas por las bibliotecas y no necesitas resolver matemáticas a mano.
Hay cursos que en 70 horas me enseñan desde las bases de Python hasta visión por computadora, ¿Por qué con ustedes los fundamentos toman 35 horas?
Es un curso profesional de capacitación donde el objetivo es que comprendas realmente el funcionamiento de las redes neuronales. Al tener bases fuertes puedes posteriormente desarrollar tus propias redes, mejorarlas y entender el por qué y cómo hacer cambios en la redes, en lugar de únicamente copiar código de otros y hacer cambios al azar esperando que funcionen.
En otros cursos se ven temas como redes convolucionales y generativas, ¿Por qué este curso no las cubre?
Este es el primer curso de una especialización. El tener las bases fuertes te permite aprender más rápido y conocer a mayor profundidad otras arquitecturas de redes. Esos tipos de redes se ven en cursos posteriores especializados sobre ellas, donde las aprenderás a mayor profundidad que en un curso genérico.
¿Necesito una computadora poderosa para tomar el curso?
Muchas aplicaciones de redes neuronales necesitan poder de cómputo para entrenarse. El material del curso está diseñado para poder ejecutarse incluso en computadoras que no sean poderosas. También puedes hacer uso de Google Colab si deseas trabajar en la nube.
¿Cómo se lleva a cabo el curso?
Tenemos una plataforma donde puedes descargar el código fuente y los recursos necesarios. Las lecciones se dan en vivo vía Zoom y quedan guardadas en la plataforma para que puedas consultarlas cuando desees. Al final del curso recibirás un certificado digital.
¿Cuál framework usa el curso?
En el curso utilizamos TensorFlow 2.15.0 con Python 3.11
El curso indica que trabajan con Anaconda y Jupyter Notebook, ¿Puedo utilizar otro IDE?
Puedes utilizar el IDE que desees pero la configuración corre por tu cuenta. El asesoramiento solamente es sobre Jupyter Notebook o Google Colab. Te proveemos un environment para que lo adiciones a Anaconda, si usas otras herramientas es tu responsabilidad crear tu propio environment para ejecutar el código del curso.
¿Puedo usar PyTorch en este curso?
El curso es en TensorFlow, tenemos un curso de PyTorch aparte de este.
Nicolás Arrioja Landa Cosio, Ph. D.
Científico Computacional
Nicolás Arrioja-Landa Ph. D. , cuenta más de 20 años de experiencia en el desarrollo de aplicaciones impulsadas por Inteligencia Artificial, egresado del programa de Ciencia de Datos del MIT, así como de Machine Learning en Stanford, experto en visión por computadora con certificación de OpenCV y en Data Leadership.
Desarrolló el primer video juego de realidad virtual inmersiva en Latinoamérica en 1997 conocido como VRaptor, presentado por Alias|Wavefront y Silicon Graphics, a su vez trabajó como desarrollador para el sistema Jaguar de Atari y creó el primer lenguaje de programación para realidad virtual en Latinoamérica CND-VR.
Durante su trayectoria ha realizando divulgación científica en universidades e industria acerca de las tecnologías emergentes, es autor de 7 libros que se han distribuido en 3 continentes, fundador del movimiento “Nicosiored” para enseñar programación de forma gratuita desde nivel básico hasta avanzado, teniendo al día de hoy más de 175 mil personas hispanohablantes beneficiadas en más de 40 países.
Como Director de Tecnología (CTO) en Brainc México; empresa especializada en capacitación de alto nivel en Ciencia de Datos e Inteligencia Artificial, así como en el desarrollo de aplicaciones para la industria que incorporan estas tecnologías, se destaca como una autoridad con una trayectoria sobresaliente en el ámbito de la Inteligencia Artificial, a su vez desempeña el rol de Coordinador Nacional de Inteligencia Artificial en el Consejo Nacional de Clústeres de Software y Tecnologías de Información MxTI, consolidando su influencia en el ámbito nacional.
Participó en el proyecto Excalibur, una iniciativa de Inteligencia Artificial en entornos 3D respaldada por la Fundación Alemana de Investigación y el Centro Alemán de Investigación Multiplataforma, lo cual resalta su enfoque pionero en la vanguardia de la tecnología.
Su destacado trabajo fue presentado en la “Segunda Conferencia de Computadoras y Videojuegos” en Hamamatsu, Japón en el año 2000, lo que subraya su presencia en los escenarios globales de la Inteligencia Artificial.
Ha desarrollado algoritmos de Inteligencia Artificial con aplicaciones en videojuegos, simulaciones, soluciones industriales y visión por computadora, contribuyendo significativamente al avance de estas tecnologías.
Durante sus estudios de Ciencias de Datos en el M.I.T. en 2022 fue el ganador del Maratón Internacional de Programación en Python, organizado por Great Learning, a su vez obtuvo el cuarto lugar del Hackaton Internacional para la predicción de los trenes de Tokyo
Ha sido catedrático en algunas de las instituciones educativas más prestigiosas de México y ha impartido más de 60 conferencias relacionadas con el desarrollo de Realidad Virtual e Inteligencia Artificial, cosechando 21 reconocimientos por su destacada labor en la enseñanza.Desempeña un papel fundamental al impulsar la profesionalización de cientos de jóvenes universitarios en el campo del Machine Learning a través de un programa patrocinado por empresas industriales.
Hoy en día, continúa su compromiso con la investigación en Inteligencia Artificial, consolidando su posición como una figura destacada en el panorama tecnológico.
