Temario y recursos del Curso de Redes Neuronales en Keras y Scikit-Learn
Temario del Curso de Redes Neuronales en Keras y Scikit-Learn
Identificar los principales Frameworks usados en la industria para el desarrollo de Deep Learning
Comprender los modelos de representación de las redes neuronales artificiales usados en Deep Learning
- Estructura de redes neuronales
- Creando nuestra primer red neuronal
- Entrenando nuestra primera red neuronal
- Visualizando el proceso de entrenamiento
- Funciones de activación
- Funciones de costo o pérdidas
- Inicialización y Entrenamiento de RN
- Optimizadores en redes neuronales
- Clasificación Binaria
- Clasificación de potenciales clientes
- Análisis de resultados
- Métricas de desempeño: regresión y clasificación
- Evaluando métricas de desempeño
- Ajuste de redes neuronales: overfitting y regularización
- Regularización
- Ajuste de redes neuronales: Hiper parámetros
Crear un modelo de regresión a partir de un caso de uso real
- Introducción a las regresiones con Deep Learning: Planteamiento del problema
- Solución del problema de regresión
- Ajustes finales al proyecto
Para este curso vas a necesitar
3 Horas de contenido
10 Horas de práctica
Conocimientos previos
- Python, Numpy y Matplotlib
- Fundamentos de machine learning
- Álgebra lineal
Software para este curso
- Jupyter Notebooks o Google Colab

Proyecto del curso
Entrena una red neuronalAprende paso a paso el proceso para entrenar redes neuronales, desde cómo funcionan, cómo entrenarlas, obtener resultados y sacar información valiosa de tus datos.
Para este curso vas a necesitar
3 Horas de contenido
10 Horas de práctica
Conocimientos previos
- Python, Numpy y Matplotlib
- Fundamentos de machine learning
- Álgebra lineal
Software para este curso
- Jupyter Notebooks o Google Colab

Proyecto del curso
Entrena una red neuronalAprende paso a paso el proceso para entrenar redes neuronales, desde cómo funcionan, cómo entrenarlas, obtener resultados y sacar información valiosa de tus datos.
Identificar los principales Frameworks usados en la industria para el desarrollo de Deep Learning
Comprender los modelos de representación de las redes neuronales artificiales usados en Deep Learning
- Estructura de redes neuronales
- Creando nuestra primer red neuronal
- Entrenando nuestra primera red neuronal
- Visualizando el proceso de entrenamiento
- Funciones de activación
- Funciones de costo o pérdidas
- Inicialización y Entrenamiento de RN
- Optimizadores en redes neuronales
- Clasificación Binaria
- Clasificación de potenciales clientes
- Análisis de resultados
- Métricas de desempeño: regresión y clasificación
- Evaluando métricas de desempeño
- Ajuste de redes neuronales: overfitting y regularización
- Regularización
- Ajuste de redes neuronales: Hiper parámetros
Crear un modelo de regresión a partir de un caso de uso real
- Introducción a las regresiones con Deep Learning: Planteamiento del problema
- Solución del problema de regresión
- Ajustes finales al proyecto