Intelixencia artificial con Deep Learning
O curso Intelixencia Artificial con Deep Learning ten un enfoque eminentemente práctico e está deseñado para aqueles que queren adentrarse no mundo da aprendizaxe profunda.
Traballarase co framework Keras, o que nos permitirá construír aplicacións de redes neuronais sen necesidade de coñecementos matemáticos, soamente con coñecementos moi básicos de programación. Ó longo do curso, o asistente aprenderá a procesar secuencias e recoñecer imaxes con arquitecturas como LSTM, CNN, etc. Ademais, o curso abarcará temas como redes MLP, optimización de modelos e avaliación de resultados. Ao final do curso, o alumnado terá as habilidades necesarias para construír os seus propios modelos de aprendizaxe profunda e aplicalos a problemas do mundo real.
- Coñecemento dos principios nos que se basean as redes neuronais.
- Preparación de datos para ser utilizables polas redes neuronais.
- Construcción das principais arquitecturas de redes neuronais: MLP, CNN, RNN, LSTM, etc.
- Uso das principáis técnicas de optimización das redes neuronais: regularización, normalización, etc.
- Coñecemento e uso dos optimizadores e inicializadores máis importantes.
- Coñecemento e sintonización de hiperparámetros
- Uso de funcións de callback no proceso de adestramento das redes.
- Análise do funcionamento das redes: matriz de confusión, curvas ROC, etc.
Estudantes ou profesionais interesados en entrar no mundo da intelixencia artificial e o Deep Learning, con coñecementos moi básicos de programación.
Castelán
O asistente rematará o curso con capacidade para deseñar, implementar e aplicar técnicas de Deep Learning en calquera campo profesional.
Selección de arquitecturas de redes neuronais en función do problema a resolver
Deseño de redes neuronais
Implementación de redes neuronais
Análise de rendemento de redes neuronais
Análise de problemas e evaluación de solucións
Análise de información
Programación informática
- Documentación requirida:
- Documento de identificación
- CV
Orde de preinscripción sempre que cumpran co criterio de ter coñecementos básicos de programación en calquera linguaxe proposto polo coordinador.
Introdución e conceptos básicos: 0,12 ECTS
Preparación de datos: 0,72 ECTS
Redes multicapa: 0,84 ECTS
Regularización e hiperparámetros: 0,72 ECTS
Redes neuronais convolucionales: 0,80 ECTS
Redes neuronais recorrentes: 0,80 ECTS
Avaliación continua por parte do profesor.
Curso de Formación Universitaria en Intelixencia Artificial con Deep Learning
Amador Rodríguez Diéguez
Patricia González Pardo
Precísase dispor dun ordenador portátil ou tablet para o seguimento do curso.
partir da notificación da aceptación no curso, cada solicitante disporá de sete días
naturais para completar o proceso de matrícula, pago incluído. No caso de non cuprir este
requisito, a praza será reasignada a outro solicitante que estea na lista de agarda.