Algunos de nuestros clientes
_ireland.gif "environmental protection agency (epa) ireland")
.png "aeronautical radio, incorporated (arinc)")
Código del Curso
Nue_LBG
Duración
14 horas (usualmente 2 días, incluidas las pausas)
Requerimientos
El conocimiento / apreciación del aprendizaje automático, la arquitectura de sistemas y los lenguajes de programación son deseables
Descripción General
Esta sesión de capacitación basada en el aula contendrá presentaciones y ejemplos basados en computadora y ejercicios de estudio de caso para emprender con bibliotecas de redes neurales y profundas relevantes
Programa del Curso
1. Descripción de redes neuronales y aprendizaje profundo
- El concepto de Machine Learning (ML)
- ¿Por qué necesitamos redes neuronales y aprendizaje profundo?
- Seleccionar redes para diferentes problemas y tipos de datos
- Aprendiendo y validando redes neuronales
- Comparación de la regresión logística a la red neuronal
2. Red neuronal
- Inspiraciones biológicas para la red neuronal
- Redes neuronales: neurona, perceptrón y MLP (modelo de perceptrón multicapa)
- Learning MLP - algoritmo de retropropagación
- Funciones de activación: lineal, sigmoide, Tanh, Softmax
- Funciones de pérdida apropiadas para pronosticar y clasificar
- Parámetros - tasa de aprendizaje, regularización, impulso
- Construyendo redes neuronales en Python
- Evaluación del rendimiento de redes neuronales en Python
3. Conceptos básicos de redes profundas
- ¿Qué es el aprendizaje profundo?
- Arquitectura de redes profundas: parámetros, capas, funciones de activación, funciones de pérdida, solucionadores
- Máquinas Boltzman restringidas (RBM)
- Autoencoders
4. Arquitecturas de redes profundas
- Deep Belief Networks (DBN) - arquitectura, aplicación
- Autoencoders
- Máquinas restringidas de Boltzmann
- Red neuronal convolucional
- Red neuronal recursiva
- Red Neuronal Recurrente
5. Descripción general de las bibliotecas e interfaces disponibles en Python
- Caffee
- Theano
- Tensorflow
- Keras
- Mxnet
- Elegir la biblioteca apropiada al problema
6. Construyendo redes profundas en Python
- Elegir la arquitectura apropiada para el problema dado
- Redes Híbridas Profundas
- Red de aprendizaje: biblioteca apropiada, definición de arquitectura
- Tuning network - inicialización, funciones de activación, funciones de pérdida, método de optimización
- Evitar el sobreajuste: detección de problemas de sobreajuste en redes profundas, regularización
- Evaluar redes profundas
7. Estudios de caso en Python
- Reconocimiento de imagen - CNN
- Detectando anomalías con Autoencoders
- Pronosticando series de tiempo con RNN
- Reducción de dimensionalidad con Autoencoder
- Clasificación con RBM
Testimonios
Categorías Relacionadas
Cursos Relacionados
Promociones
is growing fast!
We are looking to expand our presence in Ecuador!
As a Business Development Manager you will:
- expand business in Ecuador
- recruit local talent (sales, agents, trainers, consultants)
- recruit local trainers and consultants
We offer:
- Artificial Intelligence and Big Data systems to support your local operation
- high-tech automation
- continuously upgraded course catalogue and content
- good fun in international team
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!