Dirigido a profesionales, estudiantes, desarrolladores e investigadores en campos de inteligencia artificial, ciencia de datos, procesamiento de lenguaje natural, robótica, visión industrial y ciberseguridad, que buscan dominar las bases del Deep Learning para aplicaciones en IA, ciencia de datos y tecnología.
Formar especialistas en Deep Learning con bases sólidas teórico-prácticas, mediante el dominio de frameworks, arquitecturas de redes neuronales y técnicas de vanguardia, para diseñar, implementar y desplegar soluciones de inteligencia artificial éticas y escalables, avalados por una certificación de NVIDIA que garantiza su competitividad global en el sector.
Módulo 1. Introducción
• Conoce al instructor
• Creación de cuenta en courses.nvidia.com/join
• Presentación de la mecánica del deep learning
Módulo 2. La Mecánica del Deep Learning
• Entrenamiento del primer modelo de visión computacional
• Redes neuronales convolucionales para mejorar precisión en predicciones
• Aplicación de aumento de datos para mejorar generalización de modelos
Módulo 3. Descanso
Módulo 4. Redes Recurrentes y Modelos Previamente Entrenados
• Integración de modelo preentrenado para puerta para perros automática
• Aprendizaje por transferencia para personalización de acceso
• Entrenamiento de modelo de autocompletado de texto con datos de New York Times
Módulo 5. Descanso
Módulo 6. Proyecto Final: Clasificación de Objetos
• Creación y entrenamiento de modelo para interpretación de imágenes de color
• Desarrollo de generador de datos para conjuntos de datos pequeños
• Optimización de velocidad con transfer learning y extracción de características
• Análisis de arquitecturas avanzadas y áreas de investigación emergentes
Módulo 7. Revisión Final
• Repaso de conceptos clave y sesión de preguntas
• Evaluación final y obtención de certificado
• Encuesta de satisfacción del workshop
• Guía para implementación de entorno de desarrollo de IA propio
Técnicas y herramientas fundamentales para entrenar modelos de deep learning. Arquitecturas de modelos y tipos de datos comunes en deep learning. Conjuntos de datos mediante aumento de datos (data augmentation). Aprendizaje por transferencia (transfer learning) entre modelos. Proyecto propio con un framework moderno de deep learning (TensorFlow/PyTorch).
Dr. Mauricio José Carrera Abarca
Especialista en Inteligencia Artificial, Machine Learning y Analítica
Cuenta con más de 33 años de experiencia como consultor en Inteligencia Artificial y Machine Learning, colaborando con empresas globales de los sectores automotriz, financiero y comercio electrónico. Es NVIDIA Ambassador y especialista en modelos analíticos aplicados a marketing y atención al cliente, además de conferencista y catedrático en analítica e inteligencia de negocios en la Universidad Anáhuac.
A QUIÉN VA DIRIGIDO
Dirigido a profesionales, estudiantes, desarrolladores e investigadores en campos de inteligencia artificial, ciencia de datos, procesamiento de lenguaje natural, robótica, visión industrial y ciberseguridad, que buscan dominar las bases del Deep Learning para aplicaciones en IA, ciencia de datos y tecnología.
OBJETIVO
Formar especialistas en Deep Learning con bases sólidas teórico-prácticas, mediante el dominio de frameworks, arquitecturas de redes neuronales y técnicas de vanguardia, para diseñar, implementar y desplegar soluciones de inteligencia artificial éticas y escalables, avalados por una certificación de NVIDIA que garantiza su competitividad global en el sector.
TEMARIO
Módulo 1. Introducción
• Conoce al instructor
• Creación de cuenta en courses.nvidia.com/join
• Presentación de la mecánica del deep learning
Módulo 2. La Mecánica del Deep Learning
• Entrenamiento del primer modelo de visión computacional
• Redes neuronales convolucionales para mejorar precisión en predicciones
• Aplicación de aumento de datos para mejorar generalización de modelos
Módulo 3. Descanso
Módulo 4. Redes Recurrentes y Modelos Previamente Entrenados
• Integración de modelo preentrenado para puerta para perros automática
• Aprendizaje por transferencia para personalización de acceso
• Entrenamiento de modelo de autocompletado de texto con datos de New York Times
Módulo 5. Descanso
Módulo 6. Proyecto Final: Clasificación de Objetos
• Creación y entrenamiento de modelo para interpretación de imágenes de color
• Desarrollo de generador de datos para conjuntos de datos pequeños
• Optimización de velocidad con transfer learning y extracción de características
• Análisis de arquitecturas avanzadas y áreas de investigación emergentes
Módulo 7. Revisión Final
• Repaso de conceptos clave y sesión de preguntas
• Evaluación final y obtención de certificado
• Encuesta de satisfacción del workshop
• Guía para implementación de entorno de desarrollo de IA propio
RESULTADOS DE APRENDIZAJE
Técnicas y herramientas fundamentales para entrenar modelos de deep learning. Arquitecturas de modelos y tipos de datos comunes en deep learning. Conjuntos de datos mediante aumento de datos (data augmentation). Aprendizaje por transferencia (transfer learning) entre modelos. Proyecto propio con un framework moderno de deep learning (TensorFlow/PyTorch).
PROFESORES
Dr. Mauricio José Carrera Abarca
Especialista en Inteligencia Artificial, Machine Learning y Analítica
Cuenta con más de 33 años de experiencia como consultor en Inteligencia Artificial y Machine Learning, colaborando con empresas globales de los sectores automotriz, financiero y comercio electrónico. Es NVIDIA Ambassador y especialista en modelos analíticos aplicados a marketing y atención al cliente, además de conferencista y catedrático en analítica e inteligencia de negocios en la Universidad Anáhuac.
Egresado Anáhuac
¡Como egresado de la Universidad Anáhuac, tienes un 20% de beca en la inversión total del programa de tu interés! Aprovecha esta oportunidad exclusiva y sigue impulsando tu desarrollo profesional.
Aparta tu lugar
¡Asegura tu lugar y paga mientras cursas! Inscríbete hoy y garantiza tu espacio, con la flexibilidad de dividir tus pagos a lo largo del curso. Puedes realizar los pagos en línea con tarjeta de crédito o débito.
Pagos subsecuentes
Nuestros programas ofrecen la posibilidad de pagarse en mensualidades durante su desarrollo. Sin embargo, si el programa que seleccionaste cuenta con el aval de la Universidad Anáhuac, pero es desarrollado en colaboración con un experto externo, las facilidades de pago disponibles te serán proporcionadas directamente por dicho colaborador.
Pago total
Puedes optar por cubrir el costo total del programa en un sólo pago, que también puedes realizar en línea con tarjeta de crédito o débito.
¿Qué programas no aplican?
Los siguientes programas no cuenta con el 20% de beca ni la posibilidad de adquirirlos por medio de pagos en cuotas.
BLS ACLS Paquete BLS+ACLS Salvacorazones Introducción a la Bioética Comités Hospitalarios Cuidados Paliativos Bioética y Biojurídica Cuida tu salud mental Voluntad anticipada Bienestar mental y Burnout Metodología para la Toma de Decisiones en Bioética clínica Diplomado en Temas Prácticos de Bioética
Use flechas izquierda/derecha para navegar por la presentación de diapositivas o deslizar a la izquierda/derecha si usa un dispositivo móvil
Elegir una selección da como resultado una actualización de página completa.
Presione la tecla de espacio y luego las teclas de flecha para hacer una selección.
