Programando Redes Neuronales con Python y Numpy
Programando Redes Neuronales con Python y Numpy

Si te interesa incursionar en el mundo de la Inteligencia Artificial, este curso te ayudará a hacerlo. Deep Learning es una de las habilidades más requeridas en el área de la tecnología. Te ayudaremos a ser un Sr. Engineer en Deep Learning. Aprenderás los fundamentos de Deep Learning y cómo construir redes neuronales.


CURSO 1 - Redes neuronales y aprendizaje profundo

Comienzo: miércoles 12 de agosto
Horario: miércoles de 9 a 13
Se dicta en modalidad online
Horas: 20 en cinco clases de cuatro horas

ARANCEL: $6.000
Precio abonando antes del 6 de agosto: $5.000

Requisitos: haber cursado Python nivel 1 con Ariel Thenon, o conocimientos equivalentes

DETALLE DEL CURSO

CURSO 1 - Redes neuronales y aprendizaje profundo

Este curso te introduce en el mundo de la IA. Los ingenieros en deep learning son muy buscados. Dominar estas técnicas te abrirá numerosas oportunidades profesionales. Deep learning es un nuevo "superpoder".

OBJETIVOS DE APRENDIZAJE

- Entender las tendencias actuales en Deep Learning
- Construir, entrenar y aplicar redes neuronales "fully connected"
- Implementar redes eficientemente vectorizadas
- Entender los parámetros claves de la arquitectura de las ANN

Este curso va bien a fondo, explicando la programación y los fundamentos matemáticos de funcionamiento de las redes neuronales. Después de completarlo, podrás aplicar DL a una aplicación tuya. Si estás buscando un trabajo en IA, podrás responder preguntas básicas en entrevistas. Este es el primer curso de la especialización en Deep Learning.

PROGRAMA

SEMANA 1

- Bienvenida
- Introducción a Deep Learning
- ¿Qué es una red neuronal?
- Aprendizaje supervisado con redes neuronales
- ¿Porqué es que ahora Deep Learning está despegando?

SEMANA 2

La Regresión Logística como una Red Neuronal

- Clasificación Binaria
- Regresión Logística
- Función de costo
- Descenso del gradiente
- Derivadas
- Grafos
- Derivadas con un grafo
- Descenso del Gradiente en la Regresión Logística
- Descenso del Gradiente en m ejemplos

Python y Vectorización

- Vectorización
- Vectorizando la Regresión Logística
- Broadcasting en Python
- Explicación sobre la función de costo de la Regresión Logística

SEMANA 3

Redes Neuronales "Shallow"

- Repaso de redes neuronales
- Representación de redes neuronales
- Computando la salida de una red neuronal
- Vectorizando a través de múltiples ejemplos
- Implementación vectorizada
- Funciones de activación
- ¿Porqué necesitamos funciones de activación no lineales?
- Derivadas de las funciones de activación
- Descenso del gradiente para redes neuronales
- Backpropagation
- Inicialización Random

SEMANA 4

Redes Neuronales Profundas

- Red neuronal profunda de L capas
- Forward propagation en una red profunda
- Las correctas dimensiones de las matrices
- ¿Porqué representaciones profundas?
- Bloques constructivos de las redes neuronales profundas
- Forward y backward propagation
- Parámetros vs. hiperparámetros
- ¿Qué tiene todo esto que ver con el funcionamiento del cerebro?
Email address *
Apellido *
Nombres *
Celular (Solo números) *
¿Es Graduado FIUBA? *
Localidad de residencia *
¿Te interesa participar en la cooperativa de trabajo?
Clear selection
Otra casilla de correo
Teléfono Particular
Carrera - Facultad - Universidad (En curso SI/NO)
Año de Graduación
Institución Relacionada
Posición que ocupa
Comentarios y Sugerencias
Submit
Never submit passwords through Google Forms.
This content is neither created nor endorsed by Google. Report Abuse - Terms of Service - Privacy Policy