Do you need to plan a session?
Send us a message, tell us what you need and we will contact you.Objectives
Para el curso de formación en Redes Neuronales, el objetivo del curso se centrará en capacitar a los participantes en los fundamentos teóricos y prácticos de las Redes Neuronales, abarcando desde la introducción y aplicación de redes neuronales simples hasta la implementación avanzada en procesamiento de imágenes, clasificación, predicción y análisis de series temporales. Los participantes adquirirán conocimientos sólidos en términos clave, algoritmos, técnicas de evaluación, y herramientas de software relevantes, permitiéndoles desarrollar modelos efectivos y aplicaciones prácticas en el campo de la Inteligencia Artificial.
Contents
introducción a las Redes Neuronales
Conceptos Teóricos
Fundamentos de las Redes Neuronales
Terminología y Principios Clave
Aplicación Práctica
Implementación de una Red Neuronal Simple
Panorama de Software y Herramientas (Python, Tensorflow)
Clasificación con Redes Neuronales
Fundamentos Teóricos
Comprensión de la Clasificación en Redes Neuronales
Técnicas y Algoritmos
Métricas de Evaluación y Rendimiento
Entrenamiento Práctico
Construcción de un Modelo de Clasificación
Estudios de Caso
Predicción usando Redes Neuronales
Teoría
Principios de Predicciones con Redes Neuronales
Análisis de Series Temporales y Técnicas de Pronóstico
Sobreajuste, Regularización y Optimización
Trabajo Práctico
Desarrollo de un Modelo de Predicción
Implementación y Pruebas con Datos
Redes Neuronales para el Procesamiento de Imágenes
Teoría
Visión General del Procesamiento de Imágenes con Redes Neuronales
Conceptos Básicos de las Redes Neuronales Convolucionales (CNN)
Aplicaciones en Reconocimiento y Análisis de Imágenes
Sesiones Prácticas
Implementación de una CNN
Proyectos de Clasificación de Imágenes
Análisis de Series Temporales con Redes Neuronales
Teoría
Introducción al Análisis de Series Temporales
Redes Neuronales Recurrentes (RNN) y Redes LSTM
Técnicas Avanzadas para el Pronóstico de Series Temporales
Práctica
Construcción de Modelos de Predicción de Series Temporales
Aplicaciones con datasets reales
Trustworthy AI
Perspectivas Teóricas
Fundamentos del Bayesian Neural Networks
Estimación de la confianza
Out of distribution detection
Sesiones Prácticas
Implementación de una de las arquitecturas Bayesian Neural Network
Implementación de diferentes métricas
Detección de outliers
Temas Avanzados en Redes Neuronales
Aprendizaje Teórico
Autoencoders: Teoría y Aplicaciones
Técnicas de Detección de Anomalías
Tendencias Futuras y Avances en Aprendizaje Profundo
Implementación Práctica
Implementación de Autoencoders para Clasificación y Detección de anomalías
Conclusión y Perspectivas Futuras
Recapitulación del Contenido del Curso