IA OPTIMIZER + CERTIFICACIÓN TENSORFLOW
Curso
Semipresencial Barcelona
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Descripción
-
Tipología
Curso
-
Nivel
Nivel avanzado
-
Metodología
Semipresencial
-
Idiomas
Castellano
-
Lugar
Barcelona
-
Horas lectivas
120h
-
Duración
Flexible
Todos nuestros cursos emplean una
metodología teórico-práctica, integrando los
conceptos en un proyecto transversal aplicado desde
el primer día. El formato de impartición es mixto, con
sesiones presenciales en Barcelona y Aula Virtual en
nuestra plataforma propia.
Instalaciones y fechas
Ubicación
Inicio
Inicio
A tener en cuenta
Este curso tiene como finalidad construir un sistema basado en redes neuronales avanzadas y Machine Learning en la nube utilizando TensorFlow.
Se trabajará en la creación, entrenamiento y evaluación de modelos de Deep Learning, explorando técnicas de
optimización y ajuste de hiperparámetros para mejorar el rendimiento.
Los alumnos aprenderán a implementar modelos en TensorFlow para tareas como clasificación de imágenes,
procesamiento de lenguaje natural (NLP) y análisis de datos estructurados.
Además, se abordará la integración de estos modelos en entornos productivos, tanto en infraestructuras
locales como en la nube, utilizando TensorFlow Serving y API REST. Este curso es aplicable a
diversas áreas, como el reconocimiento de patrones en imágenes, la predicción de series temporales, la detección de anomalías en datos financieros y el análisis de sentimiento en texto
Imprescindible tener conocimientos de programación en lenguaje PYTHON.
Recomendable, nociones de SQL
Certificación Oficial TENSORFLOW
Las tecnologías aplicadas
en el curso incluyen Python 3.x como lenguaje de
programación, TensorFlow y Keras para el desarrollo
y entrenamiento de redes neuronales, Pandas y
NumPy para manipulación de datos, Matplotlib y Seaborn para visualización de resultados,
TensorFlow Serving para despliegue de modelos, y Flask o FastAPI para la integración con
aplicaciones mediante APIs. También se explorarán soluciones cloud como Google Cloud AI
Platform o Azure Machine Learning para entrenamiento y despliegue en la nube
Le ampliaremos la información y responderemos a las dudas que nos pueda plantear
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 25 años en Emagister.
Materias
- Inteligencia artificial
- TensorFlow
- Redes neuronales
- Lenguaje NLP
- API
- Keras
- Python
- Azure
- Machine learning
- Deep learning
Profesores
Claustro Profesorado 10 Profesores
Profesorado Titulado
Temario
IA OPTIMIZER + CERTIFICACIÓN TENSORFLOW
MÓDULO 1: REDES NEURONALES AVANZADAS CON TENSORFLOW
- INTRODUCCIÓN A DEEP LEARNING Y TENSORFLOW.
- REDES NEURONALES ARTIFICIALES (ANN): PERCEPTRÓN MULTICAPA (MLP) Y RETROPROPAGACIÓN.
- REDES CONVOLUCIONALES (CNN) PARA CLASIFICACIÓN DE IMÁGENES.
- REDES RECURRENTES (RNN, LSTM, GRU) PARA PROCESAMIENTO SECUENCIAL.
- INTRODUCCIÓN A TRANSFORMERS Y SU APLICACIÓN EN NLP.
- OPTIMIZACIÓN DE MODELOS: BATCH NORMALIZATION, DROPOUT, REGULARIZACIÓN.
- AJUSTE DE HIPERPARÁMETROS EN TENSORFLOW.
- PRÁCTICA: IMPLEMENTACIÓN DE UNA CNN PARA CLASIFICACIÓN DE IMÁGENES CON TENSORFLOW.
- PRÁCTICA: APLICACIÓN DE RNN/LSTM PARA PREDICCIÓN DE SERIES TEMPORALES.
- PRÁCTICA: USO DE MODELOS TRANSFORMERS PARA NLP CON TENSORFLOW.
- EVALUACIÓN TEÓRICO / PRÁCTICA.
MÓDULO 2: OPTIMIZACIÓN Y AJUSTE DE MODELOS DEEP LEARNING
- FUNDAMENTOS DE OPTIMIZACIÓN DE MODELOS DL.
- AJUSTE DE HIPERPARÁMETROS CON GRID SEARCH Y RANDOM SEARCH.
- OPTIMIZACIÓN BAYESIANA Y ESTRATEGIAS AVANZADAS.
- TRANSFER LEARNING Y FINE-TUNING CON MODELOS PREENTRENADOS (RESNET, BERT).
- DATA AUGMENTATION Y MEJORA DE GENERALIZACIÓN EN MODELOS.
- PRÁCTICA: OPTIMIZACIÓN DE HIPERPARÁMETROS EN MODELOS DE TENSORFLOW.
- PRÁCTICA: TRANSFER LEARNING CON MODELOS PREENTRENADOS.
- EVALUACIÓN TEÓRICO / PRÁCTICA.
MÓDULO 3: RESPONSIBLE AI Y EXPLICABILIDAD EN MODELOS DL
- SESGOS EN DATOS Y ALGORITMOS DE DEEP LEARNING.
- TRANSPARENCIA Y EXPLICABILIDAD EN IA.
- INTERPRETABILIDAD DE MODELOS CON SHAP Y LIME.
- CONSIDERACIONES ÉTICAS EN LA IA MODERNA.
- PRÁCTICA: ANÁLISIS DE SESGOS EN MODELOS DE DEEP LEARNING.
- PRÁCTICA: IMPLEMENTACIÓN DE TÉCNICAS DE EXPLICABILIDAD EN MODELOS TENSORFLOW.
- EVALUACIÓN TEÓRICO / PRÁCTICA.
MÓDULO 4: IMPLEMENTACIÓN DE MODELOS CON TENSORFLOW
- IMPLEMENTACIÓN DE MODELOS EN TENSORFLOW DESDE CERO.
- USO DE KERAS PARA SIMPLIFICAR LA CREACIÓN DE MODELOS DL.
- AJUSTE DE ARQUITECTURAS NEURONALES PARA MEJORAR EL RENDIMIENTO.
- USO DE TENSORFLOW SERVING PARA DESPLIEGUE DE MODELOS EN PRODUCCIÓN.
- INTEGRACIÓN DE MODELOS CON APIS Y APLICACIONES REALES.
- PRÁCTICA: IMPLEMENTACIÓN DE MODELOS CNN PARA CLASIFICACIÓN DE IMÁGENES.
- PRÁCTICA: CREACIÓN DE MODELOS DE NLP CON TRANSFORMERS EN TENSORFLOW.
- EVALUACIÓN TEÓRICO / PRÁCTICA.
MÓDULO 5: VISUALIZACIÓN E INTERPRETACIÓN DE MODELOS DL
- INTRODUCCIÓN A HERRAMIENTAS DE VISUALIZACIÓN EN DEEP LEARNING.
- ANÁLISIS DE MÉTRICAS: MATRIZ DE CONFUSIÓN, PRECISION-RECALL, ROC.
- PRÁCTICA: CREACIÓN DE GRÁFICOS PARA ANÁLISIS DE MODELOS EN TENSORFLOW.
- EVALUACIÓN TEÓRICO / PRÁCTICA.
MÓDULO 6: DESPLIEGUE DE MODELOS EN ENTORNOS CLOUD Y EDGE
- INTRODUCCIÓN A TENSORFLOW SERVING Y TENSORFLOW LITE.
- DESPLIEGUE DE MODELOS EN GOOGLE CLOUD AI PLATFORM.
- IMPLEMENTACIÓN DE MODELOS EN DISPOSITIVOS MÓVILES Y EDGE COMPUTING.
- OPTIMIZACIÓN DE MODELOS PARA ENTORNOS DE BAJA LATENCIA.
- PRÁCTICA: DESPLIEGUE DE MODELOS EN GOOGLE CLOUD AI.
- PRÁCTICA: CONVERSIÓN DE MODELOS PARA EJECUCIÓN EN DISPOSITIVOS MÓVILES.
- EVALUACIÓN TEÓRICO / PRÁCTICA.
MÓDULO 7: PREPARACIÓN CERTIFICACIÓN TENSORFLOW
- SIMULACIÓN DE EXAMEN.
- REVISIÓN Y REPASO DE CONCEPTOS CLAVE.
- CERTIFICACIÓN.
Información adicional
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
IA OPTIMIZER + CERTIFICACIÓN TENSORFLOW