Deep Learning
Aprende a diseñar, entrenar y evaluar redes neuronales profundas. El curso va de los fundamentos del aprendizaje profundo (la neurona artificial, la retropropagación, los optimizadores y la regularización) a las arquitecturas que se usan hoy en visión, lenguaje y generación de contenido: redes convolucionales, redes recurrentes, transformers y modelos generativos.
Qué incluye: 7 temas y 5 entregas evaluables
- Módulo 1 · Fundamentos — Tema 1: Introducción al deep learning · Tema 2: Redes neuronales artificiales
- Módulo 2 · Visión por computador — Tema 3: Fundamentos de las redes convolucionales · Tema 4: Arquitecturas y aplicaciones de las CNN · Práctica 1: Redes densas y convolucionales con Keras
- Módulo 3 · Secuencias y lenguaje — Tema 5: Redes neuronales recurrentes · Práctica 2: Redes recurrentes · Tema 6: Transformers y mecanismos de atención · Práctica 3: Transformers
- Módulo 4 · Modelos generativos — Tema 7: Modelos generativos (autocodificadores, VAE, GAN y difusión) · Práctica 4: Modelos generativos
- Cierre — Entrega 5: Análisis crítico de un artículo
Cada tema trae un PDF propio, un notebook de entrenamiento con ejercicios autocorregibles y su solución, y una autoevaluación que desbloquea lo siguiente.
Trabajarás en Python con Keras 3 sobre TensorFlow, en local o en Google Colab (con GPU gratuita, recomendable para las prácticas). Dedicación estimada: 133 horas (unas 10 horas semanales durante 14 semanas). Requisitos: Python y numpy, álgebra lineal, cálculo y probabilidad básicos, y nociones de aprendizaje automático.