Temario del curso
Introducción a Modelos Avanzados de Aprendizaje Automático
- Resumen de modelos complejos: Bosques Aleatorios, Aumento de Gradiente, Redes Neuronales
- Cuándo utilizar modelos avanzados: Mejores prácticas y casos de uso
- Introducción a técnicas de aprendizaje por conjuntos
Ajuste de Hiperparámetros y Optimización
- Técnicas de búsqueda en cuadrícula y búsqueda aleatoria
- Automatización del ajuste de hiperparámetros con Google Colab
- Uso de técnicas avanzadas de optimización (Bayesiana, Algoritmos Genéticos)
Redes Neuronales y Aprendizaje Profundo
- Construcción y entrenamiento de redes neuronales profundas
- Aprendizaje por transferencia con modelos preentrenados
- Optimización de modelos de aprendizaje profundo para el rendimiento
Implementación de Modelos
- Introducción a estrategias de implementación de modelos
- Implementación de modelos en entornos de nube utilizando Google Colab
- Inferencia en tiempo real y procesamiento por lotes
Trabajando con Google Colab para Aprendizaje Automático a Gran Escala
- Colaboración en proyectos de aprendizaje automático en Colab
- Uso de Colab para entrenamiento distribuido y aceleración GPU/TPU
- Integración con servicios en la nube para un entrenamiento escalable de modelos
Interpretabilidad y Explicabilidad de Modelos
- Exploración de técnicas de interpretabilidad de modelos (LIME, SHAP)
- IA explicable para modelos de aprendizaje profundo
- Manejo de sesgo y equidad en modelos de aprendizaje automático
Aplicaciones del Mundo Real y Casos de Estudio
- Aplicación de modelos avanzados en salud, finanzas y comercio electrónico
- Casos de estudio: Implementaciones exitosas de modelos
- Desafíos y tendencias futuras en aprendizaje automático avanzado
Resumen y Próximos Pasos
Requerimientos
- Conocimiento sólido de los algoritmos y conceptos de aprendizaje automático
- Competencia en programación Python
- Experiencia con Jupyter Notebooks o Google Colab
Audiencia
- Científicos de datos
- Profesionales de aprendizaje automático
- Ingenieros de IA
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
