Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a los Modelos Entrenados
- ¿Qué son los modelos entrenados?
- Beneficios de utilizar modelos entrenados.
- Visión general de los modelos entrenados populares (por ejemplo, BERT, ResNet).
Comprensión de las Arquitecturas de Modelos Entrenados
- Fundamentos de la arquitectura del modelo.
- Conceptos de aprendizaje por transferencia y afinamiento.
- Cómo se construyen y entrenan los modelos entrenados.
Configuración del Entorno
- Instalación y configuración de Python y bibliotecas relevantes.
- Exploración de repositorios de modelos entrenados (por ejemplo, Hugging Face).
- Carga y prueba de los modelos entrenados.
Práctica con Modelos Entrenados
- Uso de modelos entrenados para la clasificación de texto.
- Aplicación de modelos entrenados a tareas de reconocimiento de imágenes.
- Afinamiento de modelos entrenados para conjuntos de datos personalizados.
Despliegue de Modelos Entrenados
- Exportación y guardado de modelos afinados.
- Integración de modelos en aplicaciones.
- Fundamentos del despliegue de modelos en producción.
Retos y Mejores Prácticas
- Comprensión de las limitaciones del modelo.
- Evasión del sobreajuste durante el afinamiento.
- Garantizar un uso ético de los modelos de inteligencia artificial.
Tendencias Futuras en Modelos Entrenados
- Arquitecturas emergentes y sus aplicaciones.
- Avances en el aprendizaje por transferencia.
- Exploración de modelos de lenguaje grandes y modelos multimodales.
Resumen y Próximos Pasos
Requerimientos
- Comprensión básica de los conceptos de aprendizaje automático.
- Habilidades básicas en programación con Python.
- Conocimientos básicos de manejo de datos utilizando bibliotecas como Pandas.
Público objetivo
- Científicos de datos.
- Entusiastas de la inteligencia artificial.
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
