INTRODUCCIÓN A TENSORFLOW PARA INTELIGENCIA ARTIFICIAL, Machine Learning y Deep Learning
INTRODUCCIÓN A TENSORFLOW PARA INTELIGENCIA ARTIFICIAL, Machine Learning y Deep Learning
Horario: viernes de 18.30 a 21.30
Horas: 12, en cuatro clases de tres horas
Comienzo: viernes 13 de marzo
LUGAR: sede Lima (Lima e Hipólito Yrigoyen)

HIPÓLITO YRIGOYEN 1144 - PRIMER PISO - OFICINA 3

ARANCEL DEL CURSO: $4.900

TRAETE TU NOTEBOOK PARA CODEAR

INTRODUCCIÓN A TENSORFLOW PARA INTELIGENCIA ARTIFICIAL, Machine Learning y Deep Learning

1 - UN NUEVO PARADIGMA DE PROGRAMACIÓN

Este es un curso para empezar desde cero y llegar a dominar TENSORFLOW.

Daremos una introducción liviana a Machine Learning y Deep Learning y veremos como introducirnos a un nuevo paradigma de programación. Podrás acceder a un nuevo conjunto de herramientas para poder ingresar a escenarios inexplorados. Todo lo que tenés que tener es algunas nociones muy básicas de programación, el resto lo vas a ir aprendiendo sobre la marcha.Trabajaremos con código que funciona en TensorFlow 1.x y en TensorFlow 2.0.

- TensorFlow 2.0 y este curso
- Un toque de machine learning
- El "Hola Mundo" de las redes neuronales
- De reglas a datos
- Trabajando en el "Hola Mundo" en TensorFlow y Python
- Manos a la obra

2 - INTRODUCCIÓN A COMPUTER VISION

Veremos cómo pasar al siguiente nivel empezando a resolver problemas de computer vision con tan solo unas pocas líneas de código.

- Explorando cómo usar los datos
- Escribiendo código para cargar datos de entrenamiento
- La estructura del dataset Fashion MNIST
- Codeando una red neuronal para Computer Vision
- Usando Callbacks para controlar el entrenamiento

3 - UNA NUEVA VUELTA DE ROSCA: LAS REDES NEURONALES CONVOLUCIONALES

- Qué son las convoluciones y el pooling
- Codeando convoluciones y capas de pooling
- Implementando capas convolucionales
- Un poco más sobre convoluciones
- Implementando capas de pooling
- Mejorando el Fashion classifier con convoluciones
- Más convoluciones - experimentando con filtros y pools


4 - USANDO IMÁGENES DEL MUNDO REAL

¿Qué pasa si las imágenes son muy grandes, o si las características no están siempre en el mismo lugar?

- Explorando una solución en el mundo real
- Entendiendo ImageGenerator
- Diseñando la red neuronal
- Definiendo nuestra ConvNet para procesar imágenes complejas
- Entrenando la ConvNet con ImageGenerator
- Entrenando la ConvNet con fit_generator
- Explorando la solución
- Desarrollando una ConvNet
- Entrenando la red neuronal
- Nuestra ConvNet con fit_generator
- Experimentando con el clasificador de caballos y humanos
- Agregando validación automática al test de accuracy
- Explorando el impacto de comprimir imágenes


DOCENTE

Ing. Ariel Alegre.

Ing. Civil de la UBA, especializado en Ing. de Sistemas. Es profesor en disciplinas industriales - PDI - UTN. Fundador del Club de Programadores. Creador de la Tecnicatura Superior en Desarrollo de Software.
Presidente fundador del Centro de Graduados FIUBA y Director de cursos de dicha institución.
Hace tres años se está especializando en el campo de la Inteligencia Artificial.Cursó las especializaciones en Deep Learning y Tensorflow in practice de Coursera. Es presidente de la Cooperativa de Trabajo BackPropagation Limitada.
Email address *
Apellido *
Your answer
Nombres *
Your answer
Celular (Solo números) *
Your answer
¿Es Graduado FIUBA? *
¿Te interesa participar en la cooperativa de trabajo?
Otra casilla de correo
Your answer
Teléfono Particular
Your answer
Carrera - Facultad - Universidad (En curso SI/NO)
Your answer
Año de Graduación
Your answer
Institución Relacionada
Your answer
Posición que ocupa
Your answer
Comentarios y Sugerencias
Your answer
Submit
Never submit passwords through Google Forms.
This content is neither created nor endorsed by Google. Report Abuse - Terms of Service - Privacy Policy