Opiniones del Curso de Redes Neuronales Convolucionales con Python y Keras

Excelente curso, me parece uno de los mejores cursos inteligencia artificial

Muy buena explicación tanto en la parte conceptual como en la práctica.

excelente curso, muy buena explicación, a gran profundidad

Muy buen profesor, hace que temas complejos sean explicados de manera fácil y ordenada, por favor más clases con él

Fue un curso muy necesario para abordar otros más antiguos, por lo que se esperaba este curso. Permitió conocer de manera sencilla las bases para entrar al tema de la visión por computadora.

Super bien el curso espero uno mas avanzado hasta ver transformers y como pasarlo a producción

Excelente y mas que excelente, el detalle visto en esta clase me dejo mucho mas claro el conocimiento de CNN gracias

Excelente curso, permite entender la arquitectura y funcionamiento interno de las CNN.

Siempre me encantan los cursos de Carlos, me gustaria que siguiera haciendo cursos de redes neuronales, se ve que le super apasiona el tema

Un curso muy completo, y complejo, pero vale la pena. Bastante practico.

es un curso corto y sustancioso

Muy buen curso introductorio sobre CNN

Lo mejor de este curso fue la manera en que el profesor realizo la explicacion y enseño el contenido de la materia empezando por la practica para posteriormente explicar conceptos

Los ejemplo gráficos que usaba el profesor en las presentaciones para dar a entender el tema

Entre sabiendo 0 de Inteligencia Artificial, y salgo con un conocimiento mas amplio del tema. En mi trabajo me encargaron un detector de reconocimiento de imágenes, este curso me ayudo a guiarme y empezar a mirar por donde comenzar

Creo que hay mejora explorando un poco mas definiciones como batch_size, verbose, shuflle entre otros

Me gusto mucho este curso debido a que resume bien todos los componentes de las redes neuronales CCN, sin embargo en el curso me hubiera gustado ver tambien las redes que estan en el estado del arte como inception u otras de este estilo aplicadas en un taller como se hizo con los otros ejercicios. Además como punto de mejora, creo que se dedberia usar tambien la herramienta de tensorboard o MLFlow para llevar a cabo los experimentos de las redes neuronales con mayor rigurosidad.

Este curso si estuvo un poco mejor que el de Redes Neuronales, se ve un poco la mejora del profe, aunque aún le quedan cosas explicar mejor y no ir a Mil por hora, me gustó este curso.

Bastante bueno, pero pienso que debería ser mas profundo.

Muy buen contendio tal vez en algunas parte falta un poco mejor la explicación pero en general muy entendible. Lo que me gustaria mas es que el profesor conteste las dudas que le pones en el chat de preguntas

Excelente curso, aunque sería genial trabajar también el tema de los GANS, Inception, VGG16, LeNet, ResNet, etc. Pero para una primera introducción, excelente curso.

Buen curso. Bien explicado. Lo recomendaria

Fue muy increible poder entender todo esto con tan simples pasos aunque fue confuso al principio me gusto mucho como lo explico el docente y pude llegar a comprender en su mayoria lo visto en las clases muchas gracias.

Respecto al curso anterior que dió, mejoró bastante el curso. Me gustó. Puedo ver que se basaron en el libro de Deep Learning with Python que justo estoy leyendo ahora. Yo recomendaría un curso intermedio donde toda la parte de los datos ya esté resuleta y las personas se enfoquen entodo el curos a mejorar una sola red para entender como mejorarla y problemas que la afectan. Luego otro curso de puros datos para antes de entrenar redes neuronales.

De los mejores cursos referentes a Redes Neuronales que tiene Platzi. Me hubiese gustado que incluyeran un poco de las matemáticas que existen detrás de estas arquitecturas.

Una excelente introducción a las redes convolucionales usando Keras. La explicación de los conceptos es buena.

Buen curso , pero algunos conceptos se toman a la ligera , hubiera preferido que explicaran algunas cosas mas al detalle

Muy buena presentación de la IA para imágenes

El curso es centrado en el código. Brindar una mejor explicación del modelo matemático detrás de los conceptos, crearía una base más sólida para aquellas personas que se enfrentan por primera vez a una CNN.

La explicación detallada de cada una de las partes de la red.