Nivel Intermedio
28 clases
4 horas de contenido
8 horas de práctica
Crea modelos de clasificación de texto con PyTorch y TorchText. Procesa datos, entrena el modelo y realiza inferencias optimizadas con PyTorch 2.0. Guarda y comparte tu modelo en Hugging Face, mejorando la colaboración.
Clases del curso
Estructura de modelo de deep learning en PyTorch
Redes neuronales con PyTorch
Cierre del curso
Profes del curso
Conoce quién enseña el curso
Omar Espejel
Machine Learning Engineer & Blockchain Developer
🔗 Blockchain and Crypto
🧠 Busca la democratización del machine learning
🎙️ Co-host Hacia Afuera Podcast
Proyecto del curso
Clasificación de textos multiclase con PyTorch
Entrena un modelo capaz de clasificar textos en inglés en catorce distintas categorías. Utilizarás torchtext para procesar texto con PyTorch y el dataset DBPedia. Crearás las capas de la red neuronal de tu modelo, lo entrenarás y harás inferencia para obtener resultados.
Ver proyectoconocimientos previos
- Fundamentos de redes neuronales con Python y Keras.
- Programación orientada a objetos con Python.
- Exploración y carga de modelos de Hugging Face.
software y recursos necesarios
- Jupyter Notebooks, Google Colab o Kaggle Notebooks.
Opiniones del curso
4.6 · 62 opiniones
Jonathan Narváez Urresta
@jona_nfu·
Excelente curso
JUAN SEBASTIAN GARCIA RODRIGUEZ
@jsebastiangarcia29932·
Muy bunea introduccion, pero podrían complejizar más este contenido. Por ejemplo utilizar tambien pytorhc para tareas de visión y también modelso sequenciales (LSTMs y otros)
Nelson Ramos
@nelsonalejandroramos·
:)
@crafpinedoj·
Gran curso sobre el marco de aprendizaje profundo con PyTorch mostrando los pasos del desarrollo práctico de las redes neurales.
Carlos Enrique Rodríguez Bernal
@cenrique91·
Excelente!
Emmanuel Escobar
@emmanuel-escobar·
Excelente curso y el profesor explica de manera muy detallada.
Laura Quintero
@lmarcela.quintero·
Excelente curso, especialmente los notebook
Daniel Limon Cervantes
@dannylimon·
Muy buen curso me gusto todo lo visto en el, me gustaria que se explicaran mas a profundidad los conceptos solo para repasar y dejarlos mas claros de esta forma, pero de ahi en mas todo perfecto, me encanto y sobre todo aprendi mucho y me dieron mas ganas de aprender.
Carlos Perilla
@carlos7736·
Muy instructivo y practico, aunque requiere un aprendizaje activo por parte del alumno
Daniel Hernandez
@danhergir·
Me encantó haber aprendido más acerca de PyTorch
Federico Arias
@f_ariassuarez·
Me hubiese gustado un poquiiiito mas de teoria para trabajar con NLP y su modelado para usar ML. Explicacion de terminos como embedding, vocabulario, etc.
Andrés Felipe Ladino Cortés
@afladino21·
El curso me parecio excelente. Sólo tengo una observacion y es utilizar el nombre de los parametros en cada una de las clases de PyTorch. Eso hace más facil entender la información que se le debe ingresar a dicha clase o función.
Graciana Amuchástegui
@graciana.amuchastegui·
Es muy buen curso. Aunque se podría agregar el tema de como automatizar la búsqueda de mejores hiperparámetros.
Deivy Andres Vanegas Pedraza
@davanegasp1·
exelente curso
deivy andres vanegas pedraza
@deivy.vanegas·
exelente curso
Juan Sebastián Silva Diaz
@sebastian.schwarmer·
Excelente la explicación de los temas, un verdadero gusto escucharlo.
Andres Santiago Acevedo Mancera
@Santiago_AA24·
Me parece que el curso es muy adecuado para alguien que quiera aprender a implementar redes neuronales en PyTorch desde cero y paso a paso, pero con un conocimiento conceptual previo de redes neuronales. Además, tiene varios detalles adicionales que aprecio mucho en lo personal, como el poder subir el modelo a The Hugging Face Hub. Por último, me parece que los temas se explican con una profundidad adecuada y se dan las referencias para poder buscar más allá. Es un buen curso practico introductorio.
Valentín Álvarez Ramos
@iamvaalra·
El profesor cuenta con un dinamismo y el uso de las Notebooks claramente explicadas, hacen que este curso fácil de ir siguiendo, los ejemplos expuestos ayudan a ir asimilando los conceptos y la forma de usa PyTorch para crear modelos que ayudan a clasificar y realizar regresiones. El profesor siempre te alienta a continuar aprendiendo.
Ruben Dario Troche Piñanez
@dtf.ruben.troche·
Muy bueno y muy interesante el curso. Gracias Totales Profesor y Platzi por agregarme valor.
Joel Orellana
@joelorellana·
Excelente curso!
Iván Alexander Luce Villegas
@Ivaniux·
Lo mejor del curso es la documentación que se proporciona.
Miguel Sánchez Guerrero
@Migu3low·
Gracias Omar eres un crack!
Marco Rodriguez
@marcorodriguez·
Más ejemplos reales con dataset que te puedes conseguir en una empresa , por ejemplo sacados de una base de datos o de un archivo csv.
Alexander Echeverry Ramirez
@alexander49·
Muy claro el curso. Se da información útil e importante
@gredygarrido·
muy didactico
Mauricio Combariza
@mauriciocombariza·
El profesor es excelente
Luis Carlos Jaramillo Zuñiga
@MetaNauta·
Excelente todo
Gerson Gómez Giraldo
@giraldogomez2017·
excelente
german mauricio neira vargas
@mauricio830715·
Excelente curso y el docente explica los contenidos de una forma que se facilita su aprendizaje y practica.
Fabricio Dupraz
@Fabricio12345·
EXCELENTE CURSO! Me gustó mucho la forma de abordar el tema y la manera en que el profesor explicaba.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
AI Software Engineer
110 horas
18 Profes
Aprende los fundamentos de programación y matemáticas hasta el desarrollo y despliegue de aplicaciones de inteligencia artificial. Construye soluciones innovadoras con herramientas modernas y prácticas.
Ruta
Deep Learning: Computer Vision
22 horas
4 Profes
Adquiere comprensión y práctica de esta disciplina. Domina las técnicas esenciales para procesar imágenes y vídeos, y desarrolla aplicaciones innovadoras
Ruta
Deep Learning: Procesamiento de Lenguaje Natural (NLP)
39 horas
8 Profes
Domina el uso y desarrollo de modelos de lenguaje para tareas de procesamiento de texto con deep learning.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender