DEEP LEARNING

• Comprender los conceptos fundamentales de las redes neuronales artificiales.
• Analizar las características y aplicaciones del deep learning.
• Diferenciar entre los distintos tipos de redes neuronales y sus usos específicos.
• Utilizar Keras y Tensorflow para construir y entrenar modelos de deep learning.
• Implementar modelos de aprendizaje profundo utilizando Pytorch.
• Comparar y seleccionar la herramienta adecuada para diferentes aplicaciones de deep learning.
• Comprender la estructura y el funcionamiento de las redes neuronales convolucionales.
• Modelar arquitecturas de redes convolucionales para diversas aplicaciones.
• Identificar y mitigar problemas de sobreajuste en redes convolucionales.
• Explicar la arquitectura y los algoritmos de aprendizaje de las redes neuronales recurrentes.
• Identificar y utilizar los diferentes tipos de redes neuronales recurrentes.
• Implementar una red neuronal recurrente y evaluar su rendimiento en aplicaciones prácticas.
• Comprender los enfoques y características del deep learning no supervisado.
• Diferenciar entre los tipos de machine learning y sus aplicaciones en el aprendizaje no supervisado.
• Aplicar técnicas de deep learning no supervisado en problemas prácticos y evaluar sus resultados.

1.INTRODUCCIÓN A LAS REDES NEURONALES Y DEEP LEARNING

• Redes neuronales artificiales.
• Deep learning.

2.KERAS Y TENSORFLOW

• Keras
• Tensorflow
• Pytorch

3.REDES CONVOLUCIONALES PROFUNDAS

• Redes neuronales convolucionales
• Modelado, arquitectura y sobreajuste
• Aplicación de las redes neuronales convolucionales

4.REDES RECURRENTES PROFUNDAS

• Redes neuronales recurrentes
• Arquitectuta de las rnn
• Tipos de redes neuronales recurrentes
• Algoritmos de aprendizaje
• Consideraciones sobre las redes neuronales recurrentes
• Implementación de una red neuronal recurrente

5.DEEP LEARNING NO SUPERVISADO

• Deep learning: consideraciones previas
• Caracteristicas del deep learning
• Enfoques del aprendijaze no supervisado
• Tipos de machine learning
• Consideraciones del aprendizaje no supervisado
• Usos practicos del deep learning