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
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Cursos Relacionados

Categorías Relacionadas