Aprendizaje Profundo con PyTorch

Resumen

Introducción exhaustiva al aprendizaje profundo utilizando PyTorch, que abarca fundamentos, aplicaciones de visión por computadora y creación práctica de modelos para entusiastas de la IA y desarrolladores.

Programa de estudio

• Introducción al Aprendizaje Profundo y PyTorch
¿Qué es el Aprendizaje Profundo?
Visión general de PyTorch
Configuración del Entorno de PyTorch
• Fundamentos de PyTorch
Tensores en PyTorch
Introducción a Autograd y Grafos de Computación Dinámica
Construcción y Entrenamiento de un Modelo Simple
• Redes Neuronales con PyTorch
Comprensión de las Redes Neuronales
La Clase nn.Module
Funciones de Activación
Funciones de Pérdida y Optimización
• Modelos de Aprendizaje Profundo
Redes Neuronales Convolucionales (CNNs)
Fundamentos de las CNNs
Implementación de CNNs en PyTorch
Redes Neuronales Recurrentes (RNNs)
Fundamentos de las RNNs
Implementación de RNNs en PyTorch
• Aplicaciones Prácticas en Visión por Computador
Clasificación de Imágenes
Aprendizaje por Transferencia y Modelos Preentrenados
Detección y Segmentación de Objetos
• Entrenamiento y Optimización de Modelos
Carga y Aumento de Datos
Ajuste de Hiperparámetros
Uso de GPUs para el Entrenamiento
• Temas Avanzados
Redes Generativas Antagónicas (GANs)
Modelos Secuencia a Secuencia
Fundamentos del Aprendizaje por Refuerzo
• Proyectos del Mundo Real y Estudios de Caso
Proyecto: Construcción de un Clasificador de Imágenes
Estudio de Caso: PyTorch en Aplicaciones Industriales
Proyecto en Grupo: Desarrollo de un Modelo de Principio a Fin
• Conclusión y Próximos Pasos
Revisión y Resumen de Conceptos Clave
Recursos para Aprendizaje Adicional
Presentación del Proyecto Final y Retroalimentación
• Examen Final y Certificado de Finalización

---

Asignaturas

Charlas de Conferencia