Temario del curso
Introducción a los Modelos Avanzados de Aprendizaje Automático
- Descripción general de modelos complejos: Bosques Aleatorios, Gradiente Boosting, Redes Neuronales.
- Cuándo utilizar modelos avanzados: Mejores prácticas y casos de uso.
- Introducción a las técnicas de aprendizaje en conjunto (ensemble learning).
Ajuste de Hiperparámetros y Optimización
- Técnicas de búsqueda en cuadrícula (Grid search) y búsqueda aleatoria.
- Automatización del ajuste de hiperparámetros con Google Colab.
- Uso de técnicas avanzadas de optimización (Bayesiana, Algoritmos Genéticos).
Redes Neuronales y Aprendizaje Profundo
- Construcción y entrenamiento de redes neuronales profundas.
- Aprendizaje por transferencia con modelos preentrenados.
- Optimización de modelos de aprendizaje profundo para mejorar su rendimiento.
Despliegue de Modelos
- Introducción a las estrategias de despliegue de modelos.
- Despliegue de modelos en entornos cloud utilizando Google Colab.
- Inferencia en tiempo real y procesamiento por lotes.
Trabajando con Google Colab para Aprendizaje Automático a Gran Escala
- Colaboración en proyectos de aprendizaje automático en Colab.
- Uso de Colab para entrenamiento distribuido y aceleración con GPU/TPU.
- Integración con servicios cloud para un entrenamiento escalable de modelos.
Interpretabilidad y Explicabilidad de Modelos
- Exploración de técnicas de interpretabilidad de modelos (LIME, SHAP).
- IA explicable para modelos de aprendizaje profundo.
- Manejo de sesgos y equidad en modelos de aprendizaje automático.
Aplicaciones del Mundo Real y Casos de Estudio
- Aplicación de modelos avanzados en salud, finanzas y comercio electrónico.
- Estudios de caso: Despliegues exitosos de modelos.
- Desafíos y tendencias futuras en el aprendizaje automático avanzado.
Resumen y Próximos Pasos
Requerimientos
- Sólido entendimiento de algoritmos y conceptos de aprendizaje automático.
- Dominio de la programación en Python.
- Experiencia previa con Jupyter Notebooks o Google Colab.
Perfil del participante
- Científicos de datos.
- Especialistas en aprendizaje automático.
- Ingenieros de IA.
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
