Temario del curso
Introducción a los modelos avanzados de aprendizaje automático
- Visión general de modelos complejos: Bosques aleatorios, Aumento de gradiente (Gradient Boosting) y Redes neuronales
- Cuándo utilizar modelos avanzados: Mejores prácticas y casos de uso
- Introducción a las 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 mejorar el rendimiento
Implementación de modelos
- Introducción a estrategias de despliegue de modelos
- Despliegue de modelos en entornos en la nube usando Google Colab
- Inferencia en tiempo real y procesamiento por lotes
Trabajo 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 con GPU/TPU
- Integración con servicios en la nube para un entrenamiento escalable de modelos
Interpretabilidad y explicabilidad de los modelos
- Exploración de técnicas de interpretabilidad de modelos (LIME, SHAP)
- IA explicable para modelos de aprendizaje profundo
- Manejo del sesgo y la equidad en modelos de aprendizaje automático
Aplicaciones del mundo real y estudios de caso
- Aplicación de modelos avanzados en atención médica, finanzas y comercio electrónico
- Estudios de caso: Despliegues exitosos de modelos
- Desafíos y tendencias futuras en el aprendizaje automático avanzado
Resumen y próximos pasos
Requerimientos
- Sólida comprensión de algoritmos y conceptos de aprendizaje automático
- Dominio de la programación en Python
- Experiencia con cuadernos Jupyter o Google Colab
Audiencia objetivo
- Científicos de datos
- Especialistas en aprendizaje automático
- Ingenieros de IA
Reseñas (3)
Me gustó mucho el final donde tuvimos la oportunidad de experimentar con CHAT GPT. La sala no estaba muy bien preparada para esto; en lugar de una gran mesa, varias mesas pequeñas nos habrían permitido formar grupos pequeños y generar ideas de manera más efectiva.
Nola - Laramie County Community College
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
Que se estuviera aplicando datos reales de la empresa. El formador tenía un enfoque muy bueno al hacer que los participantes colaboraran y competieran.
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Curso - Applied AI from Scratch in Python
Traducción Automática
