Informática e Información > Informática
Curso de Deep Learning: Redes Neuronales desde Cero - Online
Solicita información sin compromisoCentro de e-Learning UTN BA
Cursos - Curso de Deep Learning: Redes Neuronales desde Cero - Almagro - Buenos Aires
INFORMACIÓN BÁSICA POLÍTICA DATOS
| Responsable | Educaedu Business, S.L., con domicilio en la calle Gran Vía 81, 5 ª Planta Dpto 1, 48011 Bilbao (Vizcaya). Email de contacto: contacto@educaedu.com. Email contacto Delegado Protección datos: delegadoprotecciondatos@educaedu.com. |
| Finalidad | Gestionar el envío de solicitudes de información requeridas por el usuario. Gestionar el envío de comunicaciones promocionales e informativas propias y de terceros sobre formación, derivadas del servicio de orientación académica del portal. |
| Legitimación | Consentimiento del interesado |
| Destinatarios | Empresas del grupo Educaedu Business, S.L., y los centros de formación del que el usuario ha solicitado información. |
| Derechos | Acceder, rectificar y suprimir los datos, así como otros derechos, recogidos en la información adicional |
| Información Adicional | Puedes consultar la información adicional y detallada sobre nuestra Política de Protección de datos en el siguiente link política de privacidad |
Descripción de Curso de Deep Learning: Redes Neuronales desde Cero
Contenido:
Curso de Deep Learning: Redes Neuronales desde Cero.
Duración: 5 Semanas
Presentación.
El sub-campo del mundo del Machine Learning llamado Deep Learning ha ganado amplia popularidad en el último tiempo ya que está detrás de considerables avances tecnológicos actuales.
Es así como el proceso de aprendizaje a través de Redes Neuronales se diferencia principalmente de los métodos tradicionales del Machine Learning (aprendizaje automático) porque necesita poca o nula intervención humana en la elección de los “features”, que son significativos para el modelo que mejor se ajusta a los datos disponibles del problema.
Comprende cómo el Deep learning o Aprendizaje Profundo conglomera una serie de métodos íntimamente ligados a los modelos de redes neuronales artificiales, los cuales, se idearon originalmente para replicar la dinámica neuronal del cerebro de manera simplificada con el objetivo de resolver problemas concretos en el área de las ciencias y la ingeniería.
En este curso aprenderás paso a paso diversos aspectos del mundo de las Redes Neuronales artificiales de manera progresiva. Emplearás el lenguaje de programación de Python y herramientas modernas de uso extendido en la industria y la academia: Tensorflow y Keras.
Modalidad: A distancia ágil
En vivo o acceso a las grabaciones
Recursos Multimedia
100% a distancia
Acompañamiento de tutores
Qué vas a aprender.
Objetivo general.
Introducirse en el campo de las redes neuronales artificiales y ganar experiencia y agilidad en el uso de Tensorflow y Keras para el desarrollo de modelos que resuelvan problemas concretos.
Objetivos específicos.
Introducirse en la operación de los tipos de redes de uso más extendido.
Investigar y profundizar en las herramientas que brinda Tensorflow y Keras en cada caso.
Analizar los resultados de distintos tipos de modelos y sus casos de aplicación.
Temario.
2 Modulos • 10 Unidades • Carga Horaria 38 horas
Modulo 1: Redes neuronales densas
Unidad 1: Introducción a las redes neuronales.
Unidad 2: Redes densas I.
Unidad 3: Redes densas II y redes convolucionales I.
Unidad 4: Redes convolucionales II e introduccion a las redes recurrentes.
Unidad 5: Trabajo integrador final
Modulo 2: Introducción a las redes neuronales.
Unidad 1: Introducción a las redes neuronales.
Unidad 2: Redes densas I.
Unidad 3: Redes densas II y redes convolucionales I.
Unidad 4: Redes convolucionales II e introduccion a las redes recurrentes.
Unidad 5: Trabajo integrador final
Destinatarios:
Autodidactas en general.
Personal que se desempeñe en la industria o la academia.
Requisitos.
Conocimientos básicos de probabilidad y estadística.
Conocimientos intermedios de python.
Conocimientos básicos de álgebra lineal.
Metodología de enseñanza-aprendizaje:
Toda la comunicación con los tutores la tendrás por medio de nuestro Campus Virtual, el cual está disponible las 24hs y donde encontrarás:
Foros de debate.
Consultas al tutor por medio de foros y mensajería interna.
Material de lectura obligatoria.
Contenidos complementarios.
Actividades y trabajos integradores individuales y/o grupales.
Clase en tiempo real, mínimo 1 encuentro cada 15 días, a través de Zoom.
Modalidad de evaluación y acreditación:
Para la acreditación de un trayecto formativo se tiene en cuenta:
La lectura y visualización de todos los contenidos.
Grado de participación en todos los foros de debate y actividades propuestas.
La entrega y aprobación de todas las actividades y ejercicios que se consignen como obligatorios.
El alumno deberá finalizar la cursada dentro de la duración del trayecto sin excepción. Terminado el mismo, no podrá entregar ninguna actividad obligatoria adeudada.
La aprobación de la Evaluación Integradora Final, la cual puede ser un Trabajo Práctico o un Cuestionario Multiple Choice.
Al culminar el trayecto formativo, de haber cumplido con lo anteriormente nombrado se te otorgará un Certificado de Aprobación. En caso de haberlo hecho parcialmente, se te entregará un Certificado de Participación. Para conocer más acerca de nuestros certificados, consulte este artículo.
Certificación.
Diploma digital verificable a través del sistema de verificación de autenticidad.
UTN-BA
Certificados extendidos por la Secretaría de Cultura y Extensión Universitaria de Universidad Tecnológica Nacional Regional Buenos Aires.
Duración: 5 Semanas
Presentación.
El sub-campo del mundo del Machine Learning llamado Deep Learning ha ganado amplia popularidad en el último tiempo ya que está detrás de considerables avances tecnológicos actuales.
Es así como el proceso de aprendizaje a través de Redes Neuronales se diferencia principalmente de los métodos tradicionales del Machine Learning (aprendizaje automático) porque necesita poca o nula intervención humana en la elección de los “features”, que son significativos para el modelo que mejor se ajusta a los datos disponibles del problema.
Comprende cómo el Deep learning o Aprendizaje Profundo conglomera una serie de métodos íntimamente ligados a los modelos de redes neuronales artificiales, los cuales, se idearon originalmente para replicar la dinámica neuronal del cerebro de manera simplificada con el objetivo de resolver problemas concretos en el área de las ciencias y la ingeniería.
En este curso aprenderás paso a paso diversos aspectos del mundo de las Redes Neuronales artificiales de manera progresiva. Emplearás el lenguaje de programación de Python y herramientas modernas de uso extendido en la industria y la academia: Tensorflow y Keras.
Modalidad: A distancia ágil
En vivo o acceso a las grabaciones
Recursos Multimedia
100% a distancia
Acompañamiento de tutores
Qué vas a aprender.
Objetivo general.
Introducirse en el campo de las redes neuronales artificiales y ganar experiencia y agilidad en el uso de Tensorflow y Keras para el desarrollo de modelos que resuelvan problemas concretos.
Objetivos específicos.
Introducirse en la operación de los tipos de redes de uso más extendido.
Investigar y profundizar en las herramientas que brinda Tensorflow y Keras en cada caso.
Analizar los resultados de distintos tipos de modelos y sus casos de aplicación.
Temario.
2 Modulos • 10 Unidades • Carga Horaria 38 horas
Modulo 1: Redes neuronales densas
Unidad 1: Introducción a las redes neuronales.
Unidad 2: Redes densas I.
Unidad 3: Redes densas II y redes convolucionales I.
Unidad 4: Redes convolucionales II e introduccion a las redes recurrentes.
Unidad 5: Trabajo integrador final
Modulo 2: Introducción a las redes neuronales.
Unidad 1: Introducción a las redes neuronales.
Unidad 2: Redes densas I.
Unidad 3: Redes densas II y redes convolucionales I.
Unidad 4: Redes convolucionales II e introduccion a las redes recurrentes.
Unidad 5: Trabajo integrador final
Destinatarios:
Autodidactas en general.
Personal que se desempeñe en la industria o la academia.
Requisitos.
Conocimientos básicos de probabilidad y estadística.
Conocimientos intermedios de python.
Conocimientos básicos de álgebra lineal.
Metodología de enseñanza-aprendizaje:
Toda la comunicación con los tutores la tendrás por medio de nuestro Campus Virtual, el cual está disponible las 24hs y donde encontrarás:
Foros de debate.
Consultas al tutor por medio de foros y mensajería interna.
Material de lectura obligatoria.
Contenidos complementarios.
Actividades y trabajos integradores individuales y/o grupales.
Clase en tiempo real, mínimo 1 encuentro cada 15 días, a través de Zoom.
Modalidad de evaluación y acreditación:
Para la acreditación de un trayecto formativo se tiene en cuenta:
La lectura y visualización de todos los contenidos.
Grado de participación en todos los foros de debate y actividades propuestas.
La entrega y aprobación de todas las actividades y ejercicios que se consignen como obligatorios.
El alumno deberá finalizar la cursada dentro de la duración del trayecto sin excepción. Terminado el mismo, no podrá entregar ninguna actividad obligatoria adeudada.
La aprobación de la Evaluación Integradora Final, la cual puede ser un Trabajo Práctico o un Cuestionario Multiple Choice.
Al culminar el trayecto formativo, de haber cumplido con lo anteriormente nombrado se te otorgará un Certificado de Aprobación. En caso de haberlo hecho parcialmente, se te entregará un Certificado de Participación. Para conocer más acerca de nuestros certificados, consulte este artículo.
Certificación.
Diploma digital verificable a través del sistema de verificación de autenticidad.
UTN-BA
Certificados extendidos por la Secretaría de Cultura y Extensión Universitaria de Universidad Tecnológica Nacional Regional Buenos Aires.
¿Deseas recibir más información?