Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 4 Module
El curso "Deep Learning" ofrece una introducción práctica a las redes neuronales artificiales y su aplicación en diversas áreas como el reconocimiento de dígitos manuscritos, detección de cáncer y generación de texto. Utilizando TensorFlow y Keras, los participantes aprenderán a construir y entrenar modelos de redes neuronales, incluyendo CNN y RNN, a través de ejemplos y ejercicios prácticos.
En esta sección, los estudiantes serán introducidos al mundo del Deep Learning, comenzando con una explicación de las redes neuronales artificiales. Se explorarán los componentes y la estructura de las NN, y se realizará un primer proyecto práctico de programación para reconocer dígitos manuscritos.
Das ist alles enthalten
13 Videos1 Lektüre11 Aufgaben
Infos zu Modulinhalt anzeigen
13 Videos•Insgesamt 73 Minuten
Introducción semana 1•2 Minuten
Las redes neuronales artificiales: Antecedentes•2 Minuten
Redes neuronales artificiales: Básico•3 Minuten
NN en Python para emular la función XOR•10 Minuten
Capas y componentes de una NN•9 Minuten
Procesamiento de datos: Feed-Forward•6 Minuten
Procesamiento de datos: Backward-Propagation•8 Minuten
Limpieza de datos•6 Minuten
Preparación de datos•5 Minuten
Definición de pesos y variables con la función FeedForward•5 Minuten
Función Backdrop y generación de NN•8 Minuten
Visualización e interpretación de salidas•6 Minuten
Cierre de semana 1•2 Minuten
1 Lektüre•Insgesamt 30 Minuten
Información de la semana•30 Minuten
11 Aufgaben•Insgesamt 1.980 Minuten
Cuestionario: Antecedentes de las redes neuronales•180 Minuten
Cuestionario: Fundamentos de las redes neuronales artificiales•180 Minuten
Cuestionario 3: NN en Python para emular la función XOR•180 Minuten
Cuestionario 4: Capas y componentes de una NN•180 Minuten
Cuestionario 5: Procesamiento de datos: Feed-Forward•180 Minuten
Cuestionario 6: Procesamiento de datos: Backward Propagation•180 Minuten
Cuestionario 7: Limpieza de datos•180 Minuten
Cuestionario 8: Preparación de datos•180 Minuten
Cuestionario 9: Definición de pesos y variables con función FeedForward•180 Minuten
Cuestionario 10: Función Backprop y generación de NN•180 Minuten
Cuestionario 11: Visualización e interpretación de salidas•180 Minuten
2. Redes Neuronales con TensorFlow y Keras
Modul 2•20 Stunden abzuschließen
Moduldetails
Esta sección se centra en el uso de TensorFlow y Keras para la construcción y entrenamiento de redes neuronales. Los estudiantes aprenderán a implementar modelos para la detección de dígitos manuscritos y el diagnóstico de cáncer de mama, utilizando estas poderosas herramientas de Deep Learning
Das ist alles enthalten
10 Videos2 Lektüren6 Aufgaben
Infos zu Modulinhalt anzeigen
10 Videos•Insgesamt 75 Minuten
Introducción a la semana 2•1 Minute
Tensorflow y su importancia•2 Minuten
Tensores•1 Minute
Instalación de Tensorflow y Keras•9 Minuten
Probando la instalación con la función XOR•13 Minuten
Dígitos manuscritos con Keras: Limpieza de datos•11 Minuten
Dígitos manuscritos con Keras: Construyendo y entrenando la NN•9 Minuten
Dígitos manuscritos con Keras: Evaluación de la red neuronal•12 Minuten
Detección de cáncer de mama con NN•15 Minuten
Cierre de la semana 2•2 Minuten
2 Lektüren•Insgesamt 60 Minuten
Contenido de la semana•30 Minuten
Observación•30 Minuten
6 Aufgaben•Insgesamt 1.080 Minuten
Cuestionario 12: TensorFlow y su importancia•180 Minuten
Cuestionario 13: Tensores•180 Minuten
Cuestionario 14: Probando la instalación•180 Minuten
Cuestionario 15: Construyendo y entrenando la NN•180 Minuten
Cuestionario 16: Evaluación de la red neuronal•180 Minuten
Cuestionario 17: Detección de cáncer de mama con NN•180 Minuten
3. Redes Neuronales Convolucionales
Modul 3•26 Stunden abzuschließen
Moduldetails
Explorarás las redes neuronales convolucionales (CNN), una técnica avanzada para el procesamiento de imágenes. Se desarrollarán proyectos prácticos para el reconocimiento de términos manuscritos y el lenguaje de señas, aprendiendo a guardar, cargar y compartir los modelos de redes neuronales.
Das ist alles enthalten
14 Videos1 Lektüre8 Aufgaben
Infos zu Modulinhalt anzeigen
14 Videos•Insgesamt 77 Minuten
Introducción a la semana 3•2 Minuten
Redes neuronales convolucionales•3 Minuten
Convolución•2 Minuten
Filtros•7 Minuten
Capa de convolución•3 Minuten
Capa de agrupación•3 Minuten
Limpieza de datos•5 Minuten
Construyendo y entrenando la NN•10 Minuten
Evaluación de la NN•8 Minuten
Limpieza de datos•8 Minuten
Construyendo y entrenando la NN•6 Minuten
Prueba y evaluación de la red•8 Minuten
Guardar, cargar y compartir las redes neuronales•11 Minuten
Cuestionario 23: Construyendo y entrenando la NN•180 Minuten
Cuestionario 24: Construyendo y entrenando la NN•180 Minuten
Cuestionario 25: Guardar, cargar y compartir las NN•180 Minuten
4. Deep Learning y generación de texto
Modul 4•8 Stunden abzuschließen
Moduldetails
Esta sección se dedica a las redes neuronales recurrentes (RNN) y las Long Short-Term Memory (LSTM), utilizadas principalmente para la generación de texto. Los contenidos de está sección te permitirán comprender cómo crear modelos que generen texto de manera coherente, practicando con ejemplos y ejercicios específicos.
Das ist alles enthalten
8 Videos3 Lektüren2 Aufgaben
Infos zu Modulinhalt anzeigen
8 Videos•Insgesamt 45 Minuten
Introducción a la semana 4•1 Minute
¿Qué es una red neuronal recurrente?•4 Minuten
¿Qué es una red neuronal de corto y largo plazo?•9 Minuten
Generación de texto: Exploración de datos•10 Minuten
Generación de texto: Preparación de datos•7 Minuten
Generación de texto: Construcción de modelo•8 Minuten
Generación de texto•7 Minuten
Cierre de semana 4•1 Minute
3 Lektüren•Insgesamt 70 Minuten
Contenido de la semana•30 Minuten
Raw HTML•30 Minuten
Cierre del curso•10 Minuten
2 Aufgaben•Insgesamt 360 Minuten
Cuestionario 26: ¿Qué es una red neuronal recurrente?•180 Minuten
Cuestionario 27: ¿Qué es una red neuronal de corto y largo plazo?•180 Minuten
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Con más de 50 años de historia, la Universidad Anáhuac, siguiendo nuestro modelo educativo de formación integral sitúa a la persona en el centro del proceso formativo e impulsa su potencial y desarrollo pleno atendiendo las diferentes dimensiones: humana, intelectual, profesional, social y espiritual.
Más de 90 mil egresados respaldan nuestra misión como Red de Universidades Anáhuac de: Contribuir a la formación integral de líderes de acción positiva y promover institucionalmente el desarrollo de la persona y de la sociedad, inspirados en los valores del humanismo cristiano.
When will I have access to the lectures and assignments?
To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
What will I get if I subscribe to this Specialization?
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.
Is financial aid available?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.