Lo que necesitas saber antes de
que comiences

Comienza 3 July 2025 18:47

Termina 3 July 2025

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Las redes son como cebollas - Aprendizaje profundo práctico con TensorFlow

Tutorial práctico sobre cómo construir redes neuronales con TensorFlow para tareas de visión por computadora y procesamiento de lenguaje natural. Aprenda conceptos clave de aprendizaje profundo y adquiera experiencia práctica en la configuración de arquitecturas de redes.
NDC Conferences via YouTube

NDC Conferences

2765 Cursos


1 hour 2 minutes

Actualización opcional disponible

Not Specified

Progreso a tu propio ritmo

Conference Talk

Actualización opcional disponible

Resumen

Tutorial práctico sobre cómo construir redes neuronales con TensorFlow para tareas de visión por computadora y procesamiento de lenguaje natural. Aprenda conceptos clave de aprendizaje profundo y adquiera experiencia práctica en la configuración de arquitecturas de redes.

Programa de estudio

  • Introducción al Aprendizaje Profundo y TensorFlow
  • Visión general del aprendizaje profundo y redes neuronales
    Introducción a TensorFlow y su ecosistema
  • Configuración de Tu Entorno
  • Instalación de TensorFlow y bibliotecas esenciales
    Resumen de Jupyter notebooks y Google Colab
  • Fundamentos de Redes Neuronales
  • Capas, nodos y funciones de activación
    Propagación hacia adelante y hacia atrás
    Funciones de pérdida y optimización
  • Construcción y Entrenamiento de Redes Neuronales con TensorFlow
  • Creación y compilación de modelos
    Entrenamiento, evaluación y guardado de modelos
  • Visión por Computadora Práctica con TensorFlow
  • Preprocesamiento y aumento de datos de imagen
    Implementación de Redes Neuronales Convolucionales (CNNs)
    Aprendizaje por transferencia con modelos pre-entrenados
    Proyecto práctico: Clasificación de imágenes
  • Procesamiento de Lenguaje Natural con TensorFlow
  • Preprocesamiento de datos de texto y tokenización
    Implementación de Redes Neuronales Recurrentes (RNNs) y LSTMs
    Uso de Transformers para tareas de PLN
    Proyecto práctico: Clasificación de texto y análisis de sentimiento
  • Ajuste Fino de Arquitecturas de Redes
  • Ajuste de hiperparámetros y optimización de modelos
    Técnicas para reducir sobreajuste: regularización y dropout
  • Despliegue y Monitoreo de Modelos
  • Exportación y despliegue de modelos con TensorFlow Serving
    Fundamentos del monitoreo del rendimiento de modelos
  • Consideraciones Éticas en IA y Aprendizaje Profundo
  • Sesgo en sistemas de IA
    Mejores prácticas para el desarrollo ético de IA
  • Proyecto Final
  • Construcción de una aplicación personalizada de aprendizaje profundo
    Presentaciones y revisión por pares
  • Conclusión del Curso y Próximos Pasos
  • Resumen de aprendizajes clave
    Recursos para el aprendizaje continuo en aprendizaje profundo y TensorFlow

Asignaturas

Charlas de Conferencia