Temario y recursos del Curso de Deep Learning con Pytorch
Temario del Curso de Deep Learning con Pytorch
Aprender conceptos iniciales de Deep Learning
- ¿Qué es el Deep Learning?
- ¿Qué son las redes neuronales artificiales?
- ¿Por qué el Deep Learning ahora?
- Pytorch y los diferentes frameworks de Deep Learning
- Setup en Google Colab
Entender la API de Pytorch
- ¿Qué son los tensores?
- Tensores y datasets
- Capas de una red neuronal en Pytorch
- Crear una red neuronal en Pytorch
- ¿Cómo cargar datos en Pytorch?
- ¿Cómo entrenar una red en Pytorch?
- Loop de entrenamiento de la red neuronal
Entrenar Redes Neuronales Profundas
- Ciclo de trabajo para el Deep Learning
- Espacio de modelos
- Función de perdida
- Método de optimización: SGD y Backpropagation
- Autograd y métodos de optimización
- ¿Cómo evaluar la performance de la red neuronal?
- Regularización de redes neuronales profundas
- Implementando la Regularización
- Optimización de hiperparametros
- Transfer learning
Construir nuestro propio modelo
- Presentación del problema
- Definiendo la red generativa que construiremos: CycleGAN
- Creando la red generadora convolucional
- Creando el decoder de la red generadora
- Construyendo las redes discriminativas
- Preparando el entrenamiento
- Instanciando redes, perdidas
- Instanciando optimizadores y schedulers
- Calculando las pérdidas
- Entrenando
- Cómo visualizar y debugear el entrenamiento
- Cómo utilizar tu modelo una vez entrenado
- Cómo utilizar una GPU personal con Google Cloud
Para este curso vas a necesitar
5 Horas de contenido
12 Horas de práctica

Proyecto del curso
Transferencia de estilo con Deep LearningCrea un modelo de transferencia de estilo para imágenes usando la red generativa Cycle Gan
Para este curso vas a necesitar
5 Horas de contenido
12 Horas de práctica

Proyecto del curso
Transferencia de estilo con Deep LearningCrea un modelo de transferencia de estilo para imágenes usando la red generativa Cycle Gan
Aprender conceptos iniciales de Deep Learning
- ¿Qué es el Deep Learning?
- ¿Qué son las redes neuronales artificiales?
- ¿Por qué el Deep Learning ahora?
- Pytorch y los diferentes frameworks de Deep Learning
- Setup en Google Colab
Entender la API de Pytorch
- ¿Qué son los tensores?
- Tensores y datasets
- Capas de una red neuronal en Pytorch
- Crear una red neuronal en Pytorch
- ¿Cómo cargar datos en Pytorch?
- ¿Cómo entrenar una red en Pytorch?
- Loop de entrenamiento de la red neuronal
Entrenar Redes Neuronales Profundas
- Ciclo de trabajo para el Deep Learning
- Espacio de modelos
- Función de perdida
- Método de optimización: SGD y Backpropagation
- Autograd y métodos de optimización
- ¿Cómo evaluar la performance de la red neuronal?
- Regularización de redes neuronales profundas
- Implementando la Regularización
- Optimización de hiperparametros
- Transfer learning
Construir nuestro propio modelo
- Presentación del problema
- Definiendo la red generativa que construiremos: CycleGAN
- Creando la red generadora convolucional
- Creando el decoder de la red generadora
- Construyendo las redes discriminativas
- Preparando el entrenamiento
- Instanciando redes, perdidas
- Instanciando optimizadores y schedulers
- Calculando las pérdidas
- Entrenando
- Cómo visualizar y debugear el entrenamiento
- Cómo utilizar tu modelo una vez entrenado
- Cómo utilizar una GPU personal con Google Cloud