Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa del Curso
Aprendizaje supervisado: clasificación y regresión
- Equilibrio sesgo-varianza
- Regresión logística como clasificador
- Medición del rendimientodel clasificador
- Máquinas de vectores de soporte
- Redes neuronales
- Bosques aleatorios
Aprendizaje no supervisado: agrupamiento, detección de anomalías
- Análisis de componentes principales
- Autocodificadores
Arquitecturas avanzadas de redes neuronales
- Redes neuronales convolucionales para el análisis de imágenes
- Redes neuronales recurrentes para datos estructurados en el tiempo
- La célula de la memoria a corto plazo
Ejemplos prácticos de problemas que la IA puede resolver, p. ej.
- análisis de imágenes
- pronosticar series financieras complejas, como los precios de las acciones,
- Reconocimiento de patrones complejos
- Procesamiento del lenguaje natural
- Sistemas de recomendación
Plataformas de software utilizadas para aplicaciones de IA:
- TensorFlow, Theano, Caffe y Keras
- IA a escala con Apache Spark: Mlib
Comprender las limitaciones de los métodos de IA: modos de fallo, costos y dificultades comunes
- Sobreajuste
- Sesgos en los datos observacionales
- Faltan datos
- Envenenamiento de redes neuronales
Requerimientos
No se necesitan requisitos específicos para asistir a este curso.
28 horas