
ESPECIALISTA EN APRENDIZAJE PROFUNDO
Información adicional
Horas | 200 |
---|---|
Código | |
Formato | Digital |
Proveedor | IEDITORIAL |
21,00 €
*Los precios no incluyen el IVA.
Objetivos
Contenidos
Objetivos
– Estudiar el concepto de aprendizaje profundo, así como sus características, tipos, antecedentes y sus aplicaciones.
– Estudiar las herramientas más populares para desarrollar Deep Learning con Python y la implementación de redes profundas.
– Estudiar la relación entre el aprendizaje profundo y el aprendizaje automático.
– Conocer las estrategias de aprendizaje de las redes profundas.
– Entender el concepto de aprendizaje profundo por refuerzo, así como sus elementos, funcionamiento y aplicaciones.
– Estudiar las herramientas más populares para desarrollar Deep Learning con Python y la implementación de redes profundas.
– Estudiar la relación entre el aprendizaje profundo y el aprendizaje automático.
– Conocer las estrategias de aprendizaje de las redes profundas.
– Entender el concepto de aprendizaje profundo por refuerzo, así como sus elementos, funcionamiento y aplicaciones.
Contenidos
UNIDAD DIDÁCTICA 1. ¿QUÉ ES EL APRENDIZAJE PROFUNDO?
Concepto de aprendizaje profundo
– Diferencias existentes entre el aprendizaje profundo y el aprendizaje automático
Evolución e historia del aprendizaje profundo
– Cronología histórica
– Pioneros del campo del aprendizaje profundo
Ventajas del aprendizaje profundo
– Principales ventajas del aprendizaje profundo
UNIDAD DIDÁCTICA 2. SISTEMAS NEURONALES
Redes neuronales
Redes profundas y redes poco profundas
UNIDAD DIDÁCTICA 3. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
UNIDAD DIDÁCTICA 4. ESTRATEGIAS DE APRENDIZAJE
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa
UNIDAD DIDÁCTICA 5. EL APRENDIZAJE PROFUNDO POR REFUERZO
Concepto de aprendizaje profundo por refuerzo
Los elementos que componen un modelo de aprendizaje profundo por refuerzo
El funcionamiento del aprendizaje profundo por refuerzo
– Recompensas vs penalizaciones
– Algoritmos a utilizar
– La ecuación de Bellman
Posibilidades del aprendizaje profundo por refuerzo
UNIDAD DIDÁCTICA 6. APLICACIONES DEL APRENDIZAJE PROFUNDO
Las posibilidades futuras del aprendizaje profundo
Principales usos en la actualidad
Aprendizaje profundo e IoT
– El concepto de IoT
Aplicaciones en el entorno empresarial
Concepto de aprendizaje profundo
– Diferencias existentes entre el aprendizaje profundo y el aprendizaje automático
Evolución e historia del aprendizaje profundo
– Cronología histórica
– Pioneros del campo del aprendizaje profundo
Ventajas del aprendizaje profundo
– Principales ventajas del aprendizaje profundo
UNIDAD DIDÁCTICA 2. SISTEMAS NEURONALES
Redes neuronales
Redes profundas y redes poco profundas
UNIDAD DIDÁCTICA 3. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
UNIDAD DIDÁCTICA 4. ESTRATEGIAS DE APRENDIZAJE
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa
UNIDAD DIDÁCTICA 5. EL APRENDIZAJE PROFUNDO POR REFUERZO
Concepto de aprendizaje profundo por refuerzo
Los elementos que componen un modelo de aprendizaje profundo por refuerzo
El funcionamiento del aprendizaje profundo por refuerzo
– Recompensas vs penalizaciones
– Algoritmos a utilizar
– La ecuación de Bellman
Posibilidades del aprendizaje profundo por refuerzo
UNIDAD DIDÁCTICA 6. APLICACIONES DEL APRENDIZAJE PROFUNDO
Las posibilidades futuras del aprendizaje profundo
Principales usos en la actualidad
Aprendizaje profundo e IoT
– El concepto de IoT
Aplicaciones en el entorno empresarial