Optimización de Redes Neuronales Profundas
Acerca de este curso
Qué aprenderás
Utilizar eficazmente los "trucos" comunes de la red neuronal
Comprender las mejores prácticas de la industria para crear aplicaciones de aprendizaje profundo.
Implementar y aplicar una variedad de algoritmos de optimización.
Implementar una red neuronal en TensorFlow.
Este curso contiene 4 módulos
Este curso se centrará en la optimización de Redes Neuronales Profundas, cambiando la idea de que todo el proceso es una “caja negra”.
Comprenderá qué impulsa el rendimiento y podrá obtener mejores resultados de manera más sistemática
Entenderá cómo optimizar los principales Hiperparámetros y su implementación.
Además, aprenderá nuevos conceptos útiles para el entrenamiento de las redes como los mini-batch y las regularizaciones.
También, aprenderá a implementar una red neuronal utilizando TensorFlow
A primera vista
Institución: Universidad Austral
Duración: Cronograma flexible (Aprox. 12 horas)
Nivel: Nivel Principiante (Experiencia recomendada)
Idioma: Español
Instructores
Rafael Crescenzi (Universidad Austral)
Pablo Alejandro Albani (Universidad Austral)
Habilidades que obtendrás
Implementar una red neuronal en TensorFlow.
Utilizar eficazmente los "trucos" comunes de la red neuronal, incluida la inicialización, la regularización de L2, los dropout y la normalización por lotes (Batch)
Implementar y aplicar una variedad de algoritmos de optimización.
Comprender las mejores prácticas de la industria para crear aplicaciones de aprendizaje profundo.
Contenido
Aspectos prácticos del aprendizaje profundo
MÓDULO 1: 2 horas para finalizar
Se estudiará cómo configurar su aplicación de aprendizaje automático, separando los sets de entrenamiento y testeo. Se entenderá que es la regularización en una red neuronal y cómo definir el problema para poder optimizarlo.
Incluye
7 videos
3 lecturas
1 cuestionario
1 laboratorio sin calificar
Algoritmos de Optimización
MÓDULO 2: 2 horas para finalizar
Se estudiarán los distintos métodos de optimización que se pueden utilizar en el entrenamiento de redes neuronales profundas. Además, se analizarán las ventajas de trabajar con minibatches para acelerar el proceso y los beneficios de aplicar una disminución progresiva a la tasa de aprendizaje.
Incluye
5 videos
1 cuestionario
1 laboratorio sin calificar
Ajuste de Hiperparámetros, Normalización por lotes e implementación en Tensorflow
MÓDULO 3: 3 horas para finalizar
Se aprenderán las principales técnicas y opciones en el ajuste de Hiperparámetros, la normalización por lotes y se introducirá la librería Tensorflow para la implementación de redes neuronales en Python
Incluye
4 videos
1 tarea de programación