- Cursos
- Tecnología
- Inteligencia artificial
- Inteligencia Artificial con Python - Ejercicios Avanzados
Inteligencia Artificial con Python - Ejercicios Avanzados
Domina Tensorflow 2.0, la libreria de Google mas poderosa para creacion de modelos con Machine Learning
Inteligencia Artificial
Haz de tu sueño tu profesión y empieza una Carrera desde 9€/mes
AccederDescripción del curso
El propósito de este curso es proporcionar a los estudiantes con conocimientos prácticos de la construcción, formación, prueba y despliegue de Redes Neuronales Artificiales Avanzadas y modelos de Aprendizaje Profundo utilizando TensorFlow 2.0.
Este curso cubrirá la implementación de modelos avanzados y de última generación de IA en TensorFlow 2.0 como DeepDream, AutoEncoders, Generative Adversarial Networks (GANs), Transfer Learning, Long Short Term Memory (LSTM) Recurrent Neural Networks y muchos más.
Las aplicaciones de estos modelos avanzados de Inteligencia Artificial son infinitas, incluyendo la generación de nuevas fotografías humanas realistas, la traducción de textos, la eliminación de ruidos en las imágenes, la compresión de imágenes, la traducción de texto a imagen, la segmentación de imágenes y el subtitulado de imágenes.
Se espera que los sectores globales de la Inteligencia Artificial y de la tecnología de aprendizaje automático crezcan de 1.400 millones de dólares a 8.800 millones de dólares para 2022 y se prevé que el sector de la tecnología de la IA creará alrededor de 2,3 millones de puestos de trabajo para 2020.
La tecnología está progresando a escala masiva y se está adoptando en casi todos los sectores. El curso proporciona a los estudiantes experiencia práctica en la formación de Redes Neuronales Artificiales Avanzadas utilizando un conjunto de datos del mundo real con TensorFlow 2.0 y Google Colab. Este curso cubre varias técnicas de manera práctica, los proyectos incluyen pero no se limitan a:
1) Desarrollar, entrenar y probar el algoritmo DeepDream de última generación para crear obras maestras de arte basadas en la Inteligencia Artificial!
2) Implementar Redes Adversariales Generativas conocidas como GAN para generar nuevas imágenes.
3) Desarrollar redes de Memoria a Largo Plazo y Corto Plazo (LSTM) para generar nuevos textos al estilo de Shakespeare!
4) Desplegar modelos de Inteligencia Artificial
5) Aplicar auto-codificadores para realizar la compresión de la imagen y la eliminación de ruidos.
6) Aplicar el aprendizaje de transferencia para transferir el conocimiento de las redes pre-entrenadas para clasificar nuevas imágenes
El curso está dirigido a los estudiantes que deseen obtener una comprensión fundamental de cómo construir, entrenar, probar y desplegar modelos avanzados en TensorFlow 2.0.
Se recomiendan conocimientos básicos de programación y redes neuronales artificiales. Los estudiantes que se inscriban en este curso dominarán las técnicas de Inteligencia Artificial Avanzada y de Aprendizaje Profundo y podrán aplicar directamente estas habilidades para resolver problemas desafiantes del mundo real.
Contenido del curso
Introduccion
07:38- Que haremos01:44
- Bienvenido al Curso05:15
- Material del Curso00:39
Recordando: Redes Neuronales Artificiales
45:25- Recordando Redes Neuronales Artificiales00:52
- Introduccion Caso Estudios03:17
- Preparando Ambiente08:46
- Instalando Paquetes Necesarios02:23
- Importando Paquetes05:41
- Pre-Procesamiento de Datos04:45
- Armando Modelo08:14
- Compilando Red Neuronal02:10
- Entrenando Red Neuronal01:39
- Evaluando Red Neuronal01:20
- Mejorando Red Neuronal06:18
Recordando: Redes Neuronales Convolucionales
27:04- Importando Paquetes03:53
- Pre-Procesamiento de Datos06:59
- Creando Red Neuronal Convolucional10:23
- Compilando RNC02:36
- Evaluando RNC02:27
- Mejorando RNC00:46
Aprendizaje de Transferencia
53:04- Que es Transfer Learning03:24
- Aprendizaje de Transferencia y Afinamiento05:59
- Intro Caso de Estudios03:11
- Descargando Set de Datos10:38
- Entrenando Modelo03:52
- Congelar Modelo Base00:57
- Creando Cabeza05:30
- Definir Modelo01:44
- Compilado01:34
- Procesamiento de Imagenes05:47
- Entrenando03:39
- Evaluando00:55
- Afinamiento02:58
- Compilado00:35
- Afinamiento y Entrenado00:55
- Evaluado Final01:26
Autocodificadores
16:09- Introduccion Caso de Estudios01:27
- Cargando Set de Datos00:48
- Visualizacion01:47
- Agregando Ruido a Imagenes06:12
- Creando y Entrenando Modelo04:41
- Evaluando Autocodificador01:14
Deep Dreams
32:51- Importando Paquetes07:21
- Corriendo Modelo y Entrenando01:57
- Calculo de la Imagen01:25
- Calculo de Ascenso de Gradiente01:28
- Evaluando Modelo Entrenado01:41
- Imagen en Diferentes Tamanos00:38
- Redes Adversariales Generativas (GANs)03:36
- Introduccion Caso de Estudios03:36
- Visualizacion de Datos00:28
- Creando Generador02:24
- Creando Ruido con Generador00:49
- Creando Discriminador01:26
- Funcion de Perdida GAN01:41
- Entrenamiento04:21
Redes Recurrentes con LSTM
23:45- Introduccion RNR Poeta01:44
- Visualizacion01:07
- Mapa de Caracteres Unicos01:45
- Entrenamiento y Lotes03:23
- Conversion de Caracteres02:47
- Definiendo Modelo RNR04:41
- Implementando Entrenamiento03:17
- Generando Poema de Shakespeare05:01
Desplegando con Tensorflow en un APP
24:15- Creando Web App con FLASK07:03
- Importando Librerias / Paquetes02:17
- Cargando Estructura del Web App03:56
- Iniciando App de Flask00:50
- Funcion de Clasificacion para API06:00
- Iniciando Servidor de Flask01:09
- Haciendo Prediccion con Flask03:00
Valoraciones
- 5 ESTRELLAS50%
- 4 ESTRELLAS50%
- 3 ESTRELLAS0%
- 2 ESTRELLAS0%
- 1 ESTRELLAS0%
BeatrizBugallo MontañoIncluir valoración media (en números)
Griselda ArgentinaBlancoIncluir valoración media (en números)
¿Por qué pagar por un curso cuando puedes tenerlos todos?
Prueba la Suscripción ahoraO quiero saber más
