Curso Deep Learning - Online

El Deep Learning está abriendo posibilidades antes impensadas para la inteligencia artificial. Aprende cómo funciona las redes neuronales que le dan vida y sus aplicaciones.
SENCE
Tipo
Curso
Duración
6 a 8 semanas
Precio
$572.000
$400.400
Formas de Pago
  • Tarjeta de crédito chilena: Vía Webpay hasta 3 cuotas precio contado
  • Tarjeta de crédito internacional: Vía Paypal
Información
Admision UAI Online
Admisión cursos con sence (franquicia tributaria) *
* Solicitamos por favor sólo escribir a uno de los dos correos.
SENCE
Nombre Sence
Herramientas Aplicadas Para Deep Learning
Código Sence
1238032439
Modalidad
E-Learning Asincrónico
Horas Totales
96
Duración
6 a 8 semanas
Horario Referencial
Lunes a Domingo 09:00 hrs. - 18:00 hrs.
Razón social
Universidad Adolfo Ibáñez
Rut
71.543.200-5
Dirección
Av. Presidente Errázuriz 3485, Las Condes
Ritmo
100% asíncrono, inicia cuando quieras, sin horarios, si no alcanzas en la duración puedes solicitar extensión*.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
Créditos SCT
4
¿En qué consiste el programa?
Deep learning o aprendizaje profundo es un tipo de machine learning destinado principalmente para resolver problemas de percepción, tales como reconocimiento de imágenes, video, audio, etc. Típicamente se ha focalizado en aprendizaje supervisado, pero también existen modelos de deep learning para los otros tipos de aprendizaje. Esencialmente, también se busca una función de mapeo que relacione datos de entrada con una salida deseada. Las principales diferencias con machine learning tradicional, es que la entrada es la fuente directamente, una imagen, por ejemplo, sin la necesidad de extraer atributos que caractericen la imagen, y que luego sean la entrada al algoritmo de machine learning. Lo otro es que el aprendizaje se realiza mediante muchas capas, típicamente, mediante una estructura de redes neuronales. La idea es que, mediante estas capas, la imagen se vaya “destilando” hasta llegar a un conjunto de atributos que alimente a un discriminador finalmente, que puede ser una red neuronal tradicional, por ejemplo.

El curso presentará los fundamentos teóricos y prácticos de deep learning. Además, se verán ejemplos prácticos usando la API Keras vía el lenguaje de programación Python. Se requiere el uso de Google Colab.
¿Qué aprenderás?
  1. Unidad 1 - Introducción
    Objetivos Específicos:
    • Comprender la aparición de deep learning partiendo desde la inteligencia artificial y luego pasando por machine learning para tener una mirada global de cómo surge deep learning.
    • Clasificar los tipos de deep learning y su relación a problemas aplicados en la industria.
  2. Unidad 2 - Redes Neuronales
    Objetivos Específicos:
    • Comprender los orígenes de las redes neuronales desde la biología para entender su funcionamiento.
    • Analizar el modelo perceptrón para comprender sus capacidades en problemas de clasificación automática.
    • Comprender la evolución del perceptrón a un modelo multicapa más sofisticado para resolver problemas de clasificación más complejos.
    • Formular cómo se entrena una red neuronal para desarrollar aplicaciones en Keras.
  3. Unidad 3 - Redes neuronales en la práctica
    Objetivos Específicos:
    • Aplicar redes neuronales a casos de clasificación binaria, multiclase, y regresión.
    • Comprender diferentes enfoques de regularización para atacar el problema de sobreajuste.
    • Analizar el framework de Keras para los diferentes tipos de problemas.
    • Comprender el concepto de word embeddings para problemas de procesamiento del lenguaje natural.
  4. Unidad 4 - Redes neuronales convolucionales
    Objetivos Específicos:
    • Comparar el manejo de imágenes “tradicional” versus el enfoque con redes convoluciones para evidenciar los beneficios de trabajar con redes convolucionales.
    • Comprender los mecanismos detrás de una red neuronal convolucional y de esta forma conocer sus parámetros.
    • Analizar la arquitectura de una red neuronal convolucional para problemas de clasificación de imágenes.
  5. Unidad 5 - Redes neuronales convolucionales en la práctica
    Objetivos Específicos:
    • Analizar el uso del deep learning para visión computacional en el entorno de trabajo de Keras.
    • Aplicar una convnet para diversos problemas de clasificación de imágenes.
  6. Unidad 6 - Redes neuronales recurrentes (RNN)
    Objetivos Específicos:
    • Analizar el enfoque de redes neuronales para el caso de datos secuenciales.
    • Comprender en qué consiste una red neuronal recurrente y para que problemas sirve.
    • Analizar las principales redes neuronales recurrentes LSTM y GRU para datos secuenciales.
  7. Unidad 7 - Redes neuronales recurrentes en la práctica
    Objetivos Específicos:
    • Comprender cómo funcionan los modelos de redes neuronales recurrentes en Keras para problemas con datos secuenciales.
    • Aplicar manejo de pilas de capas recurrentes y regularización para mejorar el desempeño de una RNN.
    • Comparar otros enfoques: RNN Bidireccionales y convnets 1-D, que pueden mejorar el desempeño de una RNN convencional.
  8. Unidad 8 - Aplicaciones
    Objetivos Específicos:
    • Aplicar LSTM en series de tiempo univariadas y multivariadas para problemas predictivos.
    • Comprender la arquitectura del transformer para el problema de traducción automática.
    • Aplicar un transformer en Keras para un problema de clasificación de sentimiento.
Metodología
El curso es 100% online asíncrono, i.e. no hay clases en vivo ni horarios. En la plataforma encontrarás cápsulas con contenido audiovisual, lecturas obligatorias, complementarias, y evaluaciones por cada unidad.
¿A quién va dirigido?
Este curso está dirigido a todo profesional busca conocer, comprender y aplicar técnicas de deep learning en el análisis de datos.

Información y Postulaciones

Admision UAI Online
[email protected]


Admisión cursos con sence
(franquicia tributaria) *
[email protected]
* Solicitamos por favor sólo escribir a uno de los dos correos.

Postula al Curso Deep Learning - Online

También te puede interesar


SENCE

Adquiere conocimientos sólidos en las aplicaciones de ciencia de datos, comprende la vinculación entre diversas aplicaciones y explora las distintas soluciones comerciales que pueden desarrollarse a través de esta disciplina.

$572.000
$400.400
6 a 8 semanas

Aprende qué es Data Science y cuál es su potencial en los negocios, sin importar tu formación previa.

$1.230.000
$861.000

Adquiere los fundamentos teóricos y prácticos de aprendizaje profundo y aprende como las herramientas y metodologías nos permiten entrenar algoritmos de aprendizaje supervisado y no supervisado.

$1.790.000
$1.253.000
24 semanas + examen