Fundación Universitat Jaume I - Empresa (FUE-UJI)

Machine Learning Aplicado. Especialización en Deep Learning

Fundación Universitat Jaume I - Empresa (FUE-UJI)
En Castellón De La Plana

Precio a consultar
¿Quieres hablar con un asesor sobre este curso?
¿Quieres hablar con un asesor sobre este curso?

Información importante

Tipología Postgrado
Lugar Castellón de la plana
Inicio Septiembre
  • Postgrado
  • Castellón de la plana
  • Inicio:
    Septiembre
Descripción

El aprendizaje automático (o machine learning) es una técnica que permite que las máquinas aprendan por ellas mismas. Es un campo que está demandando muchos profesionales por la cantidad de aplicaciones posibles que existen hoy en día y por las que se prevé que existirán en los próximos años. De entre todas las técnicas que existen, Deep Learning es una de las más importantes pues es la que se está usando en multitud de aplicaciones reales como el guiado autónomo de vehículos, el reconocimiento de objetos en imágenes y vídeo, la traducción de idiomas en línea, entre muchas otras.

Instalaciones (1) y fechas
Dónde se imparte y en qué fechas
Inicio Ubicación
Septiembre
Castellón De La Plana
Campus Riu Sec, 12071, Castellón, España
Ver mapa
Inicio Septiembre
Ubicación
Castellón De La Plana
Campus Riu Sec, 12071, Castellón, España
Ver mapa

A tener en cuenta

· ¿Cuáles son los objetivos de este curso?

Durante el curso el alumnado adquirirá las siguientes competencias: Conocer las principales técnicas existentes y sus aplicaciones reales. Desarrollar aplicaciones de machine learning usando las herramientas que usa la industria. Saber aplicar la técnica correcta dado un problema concreto. Ampliar los conocimientos de python especialmente los paquetes: sklearn, numpy, etc. Desarrollar aplicaciones de Deep Learning usando tensorflow y pytorch.

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

Temario

PROGRAMA

M1: Introducción a Machine learning (6 créditos)
El objetivo de este primer módulo es dar al alumno/a una introducción al problema del machine
learning incidiendo en su aplicación a problemas reales. La metodología que se aplicará será de
carácter práctico, explicando el fundamento de las técnicas, pero sin entrar en excesivo detalle de su
funcionamiento interno. De esta forma se podrá dedicar más tiempo a explicar cómo se usan y que
tipo de problemas reales pueden resolver.
Algunas de las cuestiones que se tratarán son las siguientes:

  • Tipos de problemas de machine learning
  • Aprendizaje supervisado: técnicas de clasificación y regresión
  • Aprendizaje no supervisado: técnicas de agrupamiento.
  • Sistemas de recomendación
  • Aplicación de técnicas de Machine learning a problemas reales


M2: Machine learning con python (6 créditos)
El segundo módulo tiene como objetivo la práctica de todos los conceptos vistos en el primer
módulo usando un conjunto de bibliotecas para python. Se mostrarán las bibliotecas más utilizadas
en las aplicaciones reales.
Algunas de las cuestiones que se tratarán son las siguientes:

  • Bibliotecas numpy, pandas y skilearn.
  • Servicios de Amazon y Google en la nube para aplicaciones de ML.
  • Despliegue de aplicaciones con Spark.


M3: Deep learning (6 créditos)
El tercer módulo está dedicado en exclusiva a deep learning. Al igual que en el módulo 1, se usará
un enfoque eminentemente práctico para aprender a realizar aplicaciones como las que se están
usando en aplicaciones actuales. Se usarán las librerías que se están usando en la actualidad como
tensorflow y pytorch.
Algunas de las cuestiones que se tratarán son las siguientes:

  • Introducción a las redes neuronales
  • Redes neuronales profundas
  • Redes convolucionales
  • Redes recurrentes
  • Autoencoders

Información adicional

El curso será semipresencial proporcionando al alumnado materiales que le permitirán seguir los distintos módulos. Las sesiones presenciales se aprovecharán para discutir sobre el funcionamiento de las diferentes técnicas, para resolver ejercicios prácticos y para resolver dudas prácticas.