Curso · 7 capítulos
Deep Learning
Un curso de deep learning basado en un marco de decisiones para ingenieros. Elige entre PyTorch y TensorFlow, evalúa el deep learning frente al ML clásico, pondera el transfer learning y razona sobre las CNN. 7 capítulos.
Lo que sabrás hacer
- Elegir entre PyTorch y TensorFlow
- Saber cuándo el deep learning supera al ML clásico
- Decidir entre entrenar desde cero o usar transfer learning
- Elegir la tarea de visión artificial adecuada
- Ajustar los hiperparámetros de entrenamiento
- Entender cómo las CNN interpretan imágenes
Qué incluye
- 1Frameworks de DL: PyTorch y TensorFlow
Una guía de decisión sobre los dos frameworks dominantes de deep learning — sus filosofías, ecosistemas y los factores prácticos que deberían orientar tu elección.
- 2Entrenar desde cero vs Transfer Learning
La primera decisión estratégica después de elegir deep learning: entrenar una red nueva desde cero o apoyarte en los hombros de gigantes preentrenados.
- 3DL vs ML: cuándo gana la profundidad
Un marco de decisión para elegir entre deep learning y machine learning clásico — basado en tus datos, capacidad de cómputo, plazos y necesidades de interpretabilidad.
- 4Deep Learning: empieza aquí
Una orientación de 12 minutos sobre el skill path de Deep Learning — por qué existe, qué construirás, cómo se conectan los seis capítulos y por dónde empezar.
- 5Tipos de tareas de visión
Clasificación de imágenes, detección de objetos y segmentación: elige la tarea de visión por computadora adecuada antes de elegir una arquitectura.
- 6Técnicas de entrenamiento para deep learning
El kit completo para entrenar redes neuronales: tamaño de lote, tasas de aprendizaje, funciones de pérdida, activaciones, optimizadores, regularización y parada temprana.
- 7CNNs (Redes Neuronales Convolucionales)
Diseña, entrena e interpreta la arquitectura que impulsa la visión por computadora moderna — desde la primera convolución hasta el despliegue en producción.
Preguntas frecuentes
- ¿Qué aprenderé en este curso de deep learning?
- Aprenderás a tomar las decisiones clave en proyectos de deep learning: elegir entre PyTorch y TensorFlow, evaluar cuándo el deep learning supera al ML clásico, ponderar el transfer learning frente al entrenamiento desde cero, seleccionar la tarea de visión artificial adecuada, razonar sobre las opciones de entrenamiento como las tasas de aprendizaje y la regularización, y comprender cómo se estructuran las CNN para visión.
- ¿Es este un curso práctico de programación o uno conceptual?
- Es un curso basado en un marco de decisiones. Los capítulos se centran en los compromisos y el razonamiento detrás de la elección del framework, la estrategia de modelos, las tareas de visión y el entrenamiento, en lugar de guiarte paso a paso por laboratorios de código. Se asume que ya sabes escribir código por tu cuenta.
- ¿Para quién es este path de deep learning?
- Está diseñado para ingenieros y profesionales de ML que quieren un modelo mental claro para las decisiones de deep learning. Forma parte del track AI for Engineers y asume que te sientes cómodo escribiendo código y que tienes conocimientos básicos de machine learning.
- ¿Cuánto dura el curso y hay certificado?
- El path tiene una duración aproximada de 2.3 horas distribuidas en 7 capítulos, comenzando con un breve capítulo de orientación «Start Here». Al completar el path obtienes un certificado de finalización que puedes compartir.
- ¿Este curso es gratuito?
- No, este es un path de pago disponible con una suscripción a AI Academy by Anthropos.
Consigue un certificado
Completa todos los capítulos para recibir tu certificado de finalización.