958 050 205
100% Online
3 Meses
Flexibilidad horaria
Seguridad y confianza en tus pagos online.- Presentación
- Temario
- Metodología
- Titulación
Descripción
¿A quién va dirigido?
Objetivos
Salidas Profesionales
Temario del Curso de Redes Neuronales: De la Teoría a la Práctica + 8 Créditos ECTS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS REDES NEURONALES Y SU HISTORIA
- ¿Qué es Machine Learning y Deep Learning?
- ¿Qué es el overfitting / underfitting en el aprendizaje supervisado?
- Evaluación de rendimiento de modelos - Métricas de Clasificación
- Evaluación de rendimiento de modelos - Métricas de Regresión
- Aprendizaje no supervisado
UNIDAD DIDÁCTICA 2. FUNDAMENTOS MATEMÁTICOS Y CONCEPTUALES
- ¿Qué es una neurona y el modelo perceptrón?
- ¿Qué son las redes neuronales?
- Funciones de activación
- Funciones de activación en modelos multiclase
- Funciones de coste y de gradiente descendente
- Propagación hacia atrás (backpropagation)
- Claves para crear redes neuronales efectivas
- ¿Qué nos proporciona Tensorflow y Keras?
UNIDAD DIDÁCTICA 3. ARQUITECTURA DE UNA RED NEURONAL ARTIFICIAL
- Regresión con Keras - Presentación caso práctico
- Regresión con Keras - Importación de librerías y fuentes
- Regresión con Keras - Análisis de datos (EDA) + Preprocesado (I)
- Regresión con Keras - Análisis de datos (EDA) + Preprocesado (II)
- Regresión con Keras - División Train / Test
- Regresión con Keras - Escalado
- Regresión con Keras - Creación de modelo
- Regresión con Keras - Entrenamiento del modelo
- Regresión con Keras - Evaluación y Predicción
UNIDAD DIDÁCTICA 4. ENTRENAMIENTO Y OPTIMIZACIÓN DEL MODELO
- Clasificación binaria con Keras
- Clasificación multiclase con Keras
UNIDAD DIDÁCTICA 5. REDES NEURONALES PROFUNDAS (DEEP LEARNING)
- Introducción a las redes neuronales convolucionales (CNN)
- ¿Qué son los filtros de imagen y los kernels?
- Capas convolucionales en una CNN
- Capas pooling en una CNN
- Clasificación imágenes Blanco y Negro - Presentación caso práctico
- Clasificación imágenes RGB - Presentación caso práctico
UNIDAD DIDÁCTICA 6. REDES CONVOLUCIONALES (CNN) PARA VISIÓN POR COMPUTADOR
- Introducción a las redes neuronales recurrentes (RNN)
- Neuronas LSTM
- Creación de batches en RNN
- Forecast RNN - Presentación caso práctico
- Forecast RNN - Preprocesado
- Forecast RNN - División Train / Test
- Forecast RNN - Escalado
- Forecast RNN - Creación Generador Serie Temporal
- Forecast RNN - Creación del modelo
- Forecast RNN - Entrenamiento del modelo
- Forecast RNN - Evaluación y Predicción
UNIDAD DIDÁCTICA 7. REDES RECURRENTES (RNN) Y MODELADO SECUENCIAL
- Introducción a las redes neuronales en aprendizaje no supervisado
- ¿Qué son los autoencoders en una red neuronal?
- NN No Supervisado - Presentación caso práctico
- NN No Supervisado - Preprocesado
- NN No Supervisado - Escalado
- NN No Supervisado - Estimación número de clústeres
- NN No Supervisado - Creación del modelo
- NN No Supervisado - Entrenamiento del modelo
- NN No Supervisado - Evaluación y Predicción de clústeres
UNIDAD DIDÁCTICA 8. FRAMEWORKS Y HERRAMIENTAS PRÁCTICAS
- Modelos Fundación (Foundation Models) y redes neuronales a gran escala
- Redes Neuronales Eficientes y Sostenibilidad en la IA
- Neuromorfismo, Computación Cuántica y el Futuro de las Arquitecturas Neuronales
Metodología
EDUCA LXP se basa en 6 pilares
Distintiva
EDUCA EDTECH Group es proveedor de conocimiento. Respaldado por el expertise de nuestras instituciones educativas, el alumnado consigue una formación relevante y avalada por un sello de calidad como es el grupo EDUCA EDTECH.
Realista
La metodología EDUCA LXP prescinde de conocimientos excesivamente teóricos o de métodos prácticos poco eficientes. La combinación de contenidos en constante actualización y el seguimiento personalizado durante el proceso educativo hacen de EDUCA LXP una metodología única.
Student First
La metodología EDUCA LXP y la formación del grupo EDUCA EDTECH conciben al estudiante como el centro de la experiencia educativa, nutriéndose de su retroalimentación. Su feedback es nuestro motor del cambio.
Inteligencia Artificial
La personalización en el aprendizaje no sería posible sin una combinación precisa entre experiencia académica e investigación tecnológica, así como la Inteligencia Artificial. Por eso contamos con herramientas IA de desarrollo propio, adaptadas a cada institución educativa del grupo.
Profesionales en activo
Nuestro equipo de profesionales docentes, además de ser especialistas en su sector, cuentan con una formación específica en el manejo de herramientas tecnológicas que conforman el ecosistema EDUCA EDTECH.
Timeless Learning
La formación debe ser una experiencia de vida, concibiendo el e-learning como una excelente solución para los desafíos de la educación convencional. Entendemos el aprendizaje como un acompañamiento continuo del estudiante en cada momento de su vida.
Titulación del Curso de Redes Neuronales: De la Teoría a la Práctica + 8 Créditos ECTS
También podría interesarte...
Otras Acciones Formativas relacionadas
Explora nuestras Áreas Formativas
Construye tu carrera profesional
Descubre nuestro amplio Catálogo Formativo, incluye programas de Cursos Superior, Expertos, Master Profesionales y Master Universitarios en las diferentes Áreas Formativas para impulsar tu carrera profesional.
Curso de Redes Neuronales: De la Teoría a la Práctica + 8 Créditos ECTS
100% Online
3 Meses
Flexibilidad horaria