Aprender conceptos iniciales de Deep Learning

1

¬ŅQu√© es el Deep Learning?

2

¬ŅQu√© son las redes neuronales artificiales?

3

¬ŅPor qu√© el Deep Learning ahora?

4

Pytorch y los diferentes frameworks de Deep Learning

5

Setup en Google Colab

Entender la API de Pytorch

6

¬ŅQu√© son los tensores?

7

Tensores y datasets

8

Capas de una red neuronal en Pytorch

9

Crear una red neuronal en Pytorch

10

¬ŅC√≥mo cargar datos en Pytorch?

11

¬ŅC√≥mo entrenar una red en Pytorch?

12

Loop de entrenamiento de la red neuronal

Entrenar Redes Neuronales Profundas

13

Ciclo de trabajo para el Deep Learning

14

Espacio de modelos

15

Función de perdida

16

Método de optimización: SGD y Backpropagation

17

Autograd y métodos de optimización

18

¬ŅC√≥mo evaluar la performance de la red neuronal?

19

Regularización de redes neuronales profundas

20

Implementando la Regularización

21

Optimización de hiperparametros

22

Transfer learning

Construir nuestro propio modelo

23

Presentación del problema

24

Definiendo la red generativa que construiremos: CycleGAN

25

Creando la red generadora convolucional

26

Creando el decoder de la red generadora

27

Construyendo las redes discriminativas

28

Preparando el entrenamiento

29

Instanciando redes, perdidas

30

Instanciando optimizadores y schedulers

31

Calculando las pérdidas

32

Entrenando

33

Cómo visualizar y debugear el entrenamiento

34

Cómo utilizar tu modelo una vez entrenado

35

Cómo utilizar una GPU personal con Google Cloud

Llegar m√°s lejos

36

¬ŅPor qu√© el Deep Learning es m√°s poderoso que el Machine Learning Tradicional?

37

Para ir m√°s lejos

38

Cierre del curso

Bonus

39

¬ŅPor qu√© aprender Deep Learning?

A√ļn no tienes acceso a esta clase

Crea una cuenta y contin√ļa viendo este curso

Cierre del curso

38/39
Recursos

Aportes 13

Preguntas 0

Ordenar por:

¬ŅQuieres ver m√°s aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesi√≥n.

Muy buenas clases, no es f√°cil coger todo lo del curso al 100%, pero nos reta a estudiar para dominar el tema

Que curso mas satisfactorio, complicado pero se entiende. Ahora toca repasar un monton XD

Un curso bastante denso, bastantes conceptos, creo que repetiré este curso en un tiempo. y genial que haya dejado más formas de seguir aprendiendo! Buena explicación de conceptos, aunque un poco enredado a la hora de hacer código Jajaja. Excelente profesor!

Un buen curso de Deep Learning, ahora a poner lo en pr√°ctica!

En el examen del curso se muestra el numero total de preguntas a realizar (37). Sin embargo, solo 36 preguntas son hechas. Esto también se puede ver a la hora de mostrar los resultados, pues solo aparecen 36.
Esto se ve reflejado en la calificación pues es imposible obtener una calificación de 10 ya que la pregunta 37th nunca es hecha, pero si que se tiene en cuenta a la hora de la calificación.
La maxima calificación posible es 9.73 (36/37).
Echarle un vistazo.
Gracias.

Después de ver los cursos más recientes sobre DL en Platzi, llego a la conclusión de que este curso necesita un remake. Dejándole toda la parte teórica a previos cursos y la parte aplicada en Pytorch. El proyecto de curso con GAN es muy interesante pero incompleto en su ejecución.

Viva Chile

Este curso es muy bueno, debe permanecer dentro de la ruta de la carrera de Inteligencia Artificial.

Gracias!!!

Gran curso y el profesor conoce mucho! Gracias!

Agregaría comunidades de Reddit

Excelente curso, si bien es complicado y el entrenamiento de la red demora varios días, al final vale la pena ver los resultados.

¬°Gracias!

Genial muchas información