Temario del curso
Introducción a los modelos avanzados de aprendizaje automático
- Descripción general de modelos complejos: Bosques aleatorios, Refuerzo gradiente y Redes neuronales
- Cuándo utilizar modelos avanzados: Mejores prácticas y casos de uso
- Introducción a las técnicas de aprendizaje por conjunto (ensemble)
Ajuste y optimización de hiperparámetros
- Técnicas de búsqueda en cuadrícula y búsqueda aleatoria
- Automatización del ajuste de hiperparámetros con Google Colab
- Uso de técnicas avanzadas de optimización (Bayesianas, Algoritmos Genéticos)
Redes neuronales y aprendizaje profundo
- Construcción y entrenamiento de redes neuronales profundas
- Aprendizaje por transferencia con modelos preentrenados
- Optimización de modelos de aprendizaje profundo para mejorar el rendimiento
Implementación del modelo
- Introducción a las estrategias de implementación de modelos
- Implementación de modelos en entornos cloud usando Google Colab
- Inferencia en tiempo real y procesamiento por lotes
Trabajando con Google Colab para aprendizaje automático a gran escala
- Colaboración en proyectos de aprendizaje automático en Colab
- Uso de Colab para entrenamiento distribuido y aceleración con GPU/TPU
- Integración con servicios cloud para un entrenamiento de modelos escalable
Interpretabilidad y explicabilidad del modelo
- Exploración de técnicas de interpretabilidad del modelo (LIME, SHAP)
- Inteligencia artificial explicable para modelos de aprendizaje profundo
- Manejo del sesgo y la equidad en modelos de aprendizaje automático
Aplicaciones reales y estudios de caso
- Aplicación de modelos avanzados en salud, finanzas y comercio electrónico
- Estudios de caso: implementaciones exitosas de modelos
- Desafíos y tendencias futuras en aprendizaje automático avanzado
Resumen y próximos pasos
Requerimientos
- Comprensión sólida de los algoritmos y conceptos del aprendizaje automático
- Dominio de la programación en Python
- Experiencia con Notebooks Jupyter o Google Colab
Público objetivo
- Científicos de datos
- Especialistas en aprendizaje automático
- Ingenieros de IA
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
