Máster Redes Neuronales Online. Python y Tensorflow

Conoce las redes neuronales a través de Python y TensorFlow. A través de este máster podrás conocer qué son, cómo funcionan y cómo programarlas. 

Nivel: Avanzado | Duración: 160 h

Formación 100% bonificable para empresas

master redes neuronales
+ 0
Empresas han confiado en nosotros
0 K
Personas que hemos formado
0
Años de éxitos

Formación Redes Neuronales Online

Modalidades

Próximas Convocatorias

6
MAY

Máster Redes Neuronales Online. Python y Tensorflow

Tutorizado

160 horas
1120€

100% Bonificable

5
JUN

Máster Redes Neuronales Online. Python y Tensorflow

Tutorizado

160 horas
1120€

100% Bonificable

5
JUL

Máster Redes Neuronales Online. Python y Tensorflow

Tutorizado

160 horas
1120€

100% Bonificable

Temario

Máster Redes Neuronales Online. Python y Tensorflow

  • ¿Qué es Machine Learning y Deep Learning?
  • Instalación de entorno Python y librerías Deep Learning
  • Aprendizaje supervisado
  • ¿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
  • DESCARGA DATASETS & SCRIPTS CASOS PRÁCTICOS
  • ¿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?
  • 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
  • Clasificación binaria con Keras – Presentación caso práctico
  • Clasificación binaria con Keras – Importación de librerías y fuentes
  • Clasificación binaria con Keras – Análisis de datos (EDA) + Preprocesado
  • Clasificación binaria con Keras – División Train / Test
  • Clasificación binaria con Keras – Escalado
  • Clasificación binaria con Keras – Creación de modelo
  • Clasificación binaria con Keras – Entrenamiento del modelo
  • Clasificación binaria con Keras – Evaluación y Predicción
  • Clasificación multiclase con Keras – Presentación caso práctico
  • Clasificación multiclase con Keras – Importación de librerías y fuentes
  • Clasificación multiclase con Keras – Análisis de datos (EDA) + Preprocesado (I)
  • Clasificación multiclase con Keras – Análisis de datos (EDA) + Preprocesado (II)
  • Clasificación multiclase con Keras – División Train / Test
  • Clasificación multiclase con Keras – Escalado
  • Clasificación multiclase con Keras – Creación de modelo
  • Clasificación multiclase con Keras – Entrenamiento del modelo
  • Clasificación multiclase con Keras – Evaluación y Predicción
  • 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 Blanco y Negro – Importación de librerías y fuentes
  • Clasificación imágenes Blanco y Negro – Preprocesado
  • Clasificación imágenes Blanco y Negro – Creación del modelo
  • Clasificación imágenes Blanco y Negro – Entrenamiento del modelo
  • Clasificación imágenes Blanco y Negro – Evaluación y Predicción
  • Clasificación imágenes RGB – Presentación caso práctico
  • Clasificación imágenes RGB – Importación de librerías y fuentes
  • Clasificación imágenes RGB – Preprocesado
  • Clasificación imágenes RGB – Creación del modelo
  • Clasificación imágenes RGB – Entrenamiento del modelo
  • Clasificación imágenes RGB – Evaluación y Predicción
  • Introducción a las redes neuronales recurrentes (RNN)
  • Neuronas LSTM
  • Creación de batches en RNN
  • Forecast RNN – Presentación caso práctico
  • Forecast RNN – Importación de librerías y fuentes
  • 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
  • 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 – Importación de librerías y fuentes
  • NN No Supervisado – Preprocesado
  • NN No Supervisado – Escalado
  • NN No Supervisado – Estimación número de clusters
  • NN No Supervisado – Creación del modelo
  • NN No Supervisado – Entrenamiento del modelo
  • NN No Supervisado – Evaluación y Predicción de clusters
  • Conclusiones
  • Próximos Pasos
  • Clase Extra – Cupones Descuento

Formación 100% Bonificable FUNDAE para empresas

6

MAY

5

JUN