INTRODUCCION A TENSORFLOW PARA INTELIGENCIA ARTIFICIAL, Machine Learning y Deep Learning
INTRODUCCION A TENSORFLOW PARA INTELIGENCIA ARTIFICIAL, Machine Learning y Deep Learning
Horario: sábados de 9 a 13
Horas: 8, en dos clases de cuatro horas
Comienzo: sábado 7 de diciembre
LUGAR: sede Lima (Lima e Hipólito Yrigoyen)

HIPÓLITO YRIGOYEN 1144 - PRIMER PISO - OFICINA 3

ARANCEL DEL CURSO: $4.900

TRAETE TU NOTEBOOK PARA CODEAR

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


1 - UN NUEVO PARADIGMA DE PROGRAMACION

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 - INTRODUCCION A COMPUTER VSISION

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

- Explorando como 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 IMAGENES 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 confit_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. Fue uno de los fundadores del Club de Programadores. Fue uno de los creadores de la Tecnicatura Superior en Desarrollo de Software.
Fue el presidente fundador del Centro de Graduados FIUBA y actualmente es el 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