Curso de Experto Machine Learning Aplicado. Especialización en Deep Learning (semipresencial)

Postgrado

Semipresencial Castellón De La Plana

Precio a consultar

Más información

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.

900 49 49 40

Llamada gratuita. Lunes a Viernes de 9h a 20h.

Descripción

  • Tipología

    Postgrado

  • Metodología

    Semipresencial

  • Lugar

    Castellón de la plana

  • Inicio

    Consultar

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 y fechas

Ubicación

Inicio

Castellón De La Plana (Castellón)

Inicio

ConsultarMatrícula abierta

A tener en cuenta


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.


Licenciados/graduados de las titulaciones de informática, matemática computacional, ingeniería industrial, etc. Cualquier titulación en la que el desarrollo profesional implique el desarrollo de aplicaciones en el campo del aprendizaje automático. El curso también es de interés para estudiantes recién graduados o en el último curso que deseen completar su formación.
Estudiantes de las titulaciones de grado que tenga pendiente de superar menos de treinta créditos ECTS (incluyendo el trabajo Final de Grado). Nota: Este estudiantado no podrá optar a ningún certificado ni a la expedición del título propio hasta que no se obtenga la tituación correspondiente.
Profesionales del sector que, sin poseer título universitario, acrediten suficiente experiencia profesional (al menos tres años) como directivos o empleados en empresas o instituciones vinculadas al ámbito de estudio.

1 Fotocopia del título
1 copia del Expediente Académico
Curriculum Vitae
1 fotografía a color.
1 fotocopia del DNI (alumnos extranjeros, NIE o pasaporte).
Justificante del ingreso de 300 € como reserva de plaza
Número de cuenta para hacer efectiva la domiciliación bancaria

METODOLOGÍA
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.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • Metodología
  • Redes neuronales
  • Aplicaciones
  • Redes
  • Problemas
  • Spark
  • Machine learning
  • Redes convolucionales
  • Redes recurrentes
  • Autoencoders

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

(300 euros de reserva de plaza +600 euros resto de matrícula)

Más información

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.

900 49 49 40

Llamada gratuita. Lunes a Viernes de 9h a 20h.

Curso de Experto Machine Learning Aplicado. Especialización en Deep Learning (semipresencial)

Precio a consultar