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
Enseñado por
Etiquetas
On-Demand
