958 050 205
100% Online
200 horas
Flexibilidad horaria
Seguridad y confianza en tus pagos online.- Presentación
- Temario
- Metodología
- Titulación
Descripción
¿A quién va dirigido?
Objetivos
Salidas Profesionales
Temario
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LAS REDES NEURONALES
- Origen y evolución de las redes neuronales
- Estructura general de una neurona artificial
- Capas, pesos y funciones de activación
- Tipos de redes neuronales y sus aplicaciones
- Flujo de datos y aprendizaje en una red
UNIDAD DIDÁCTICA 2. FUNDAMENTOS MATEMÁTICOS DE LAS REDES NEURONALES
- Operaciones de álgebra lineal aplicadas a redes neuronales
- Cálculo del gradiente y optimización mediante derivadas
- Funciones de pérdida en el entrenamiento de modelos
- Métodos de normalización de datos
- Estrategias de regularización frente al sobreajuste
UNIDAD DIDÁCTICA 3. GESTIÓN DE UNA RED NEURONAL BÁSICA EN PYTHON
- Configuración del entorno de desarrollo en Python
- Uso de NumPy para operaciones matriciales
- Implementación manual de una red neuronal simple
- Entrenamiento del modelo con datos simulados
- Análisis de resultados mediante visualizaciones
UNIDAD DIDÁCTICA 4. ENTRENAMIENTO Y VALIDACIÓN DE MODELOS EN UNA RED NEURONAL
- Preparación de los conjuntos de entrenamiento, validación y prueba
- Selección de hiperparámetros óptimos
- Aplicación de la validación cruzada
- Evaluación del rendimiento con métricas específicas
- Gestión y almacenamiento de modelos entrenados
UNIDAD DIDÁCTICA 5. REDES NEURONALES PROFUNDAS (DNN)
- Estructura y características de las redes neuronales profundas
- Funcionamiento de las capas ocultas y su relación con la abstracción de datos
- Importancia de la profundidad en la representación del conocimiento
- Problemas de aprendizaje en redes de múltiples capas
- Estrategias de optimización para mejorar la eficiencia del modelo
UNIDAD DIDÁCTICA 6. REDES CONVOLUCIONALES (CNN)
- Fundamentos del procesamiento de información visual
- Papel de las capas convolucionales en la extracción de características
- Función de las capas de pooling en la reducción de dimensionalidad
- Arquitecturas más influyentes en el desarrollo de las CNN
- Ventajas estructurales frente a otros tipos de redes neuronales
UNIDAD DIDÁCTICA 7. REDES RECURRENTES (RNN) Y LSTM
- Principio de funcionamiento de las redes neuronales recurrentes
- Mecanismo de propagación de información en secuencias temporales
- Limitaciones de las RNN tradicionales
- Estructura y ventajas de las redes LSTM
- Aplicaciones basadas en datos secuenciales y temporales
UNIDAD DIDÁCTICA 8. REDES GENERATIVAS ADVERSARIAS (GAN)
- Fundamentos del aprendizaje generativo adversarial
- Estructura del generador en una red GAN
- Función del discriminador en el proceso de aprendizaje
- Dinámica de interacción entre las dos redes
- Aplicaciones y retos en la generación de contenido sintético
UNIDAD DIDÁCTICA 9. REDES NEURONALES AUTOENCODER
- Principio de funcionamiento de los autoencoders
- Estructura del modelo encoder
- Estructura del modelo decoder
- Reducción de dimensionalidad mediante autoencoders
- Detección de anomalías con autoencoders
UNIDAD DIDÁCTICA 10. CONSTRUCCIÓN DE REDES NEURONALES ARTIFICIALES
- Diseño estructural de una red neuronal completa
- Selección de funciones de activación y capas adecuadas
- Entrenamiento del modelo con un conjunto de datos real
- Evaluación del rendimiento final del modelo
- Exportación e implementación del modelo entrenado
Metodología
EDUCA LXP se basa en 6 pilares
Distintiva
EDUCA EDTECH Group es proveedor de conocimiento. Respaldado por el expertise de nuestras instituciones educativas, el alumnado consigue una formación relevante y avalada por un sello de calidad como es el grupo EDUCA EDTECH.
Realista
La metodología EDUCA LXP prescinde de conocimientos excesivamente teóricos o de métodos prácticos poco eficientes. La combinación de contenidos en constante actualización y el seguimiento personalizado durante el proceso educativo hacen de EDUCA LXP una metodología única.
Student First
La metodología EDUCA LXP y la formación del grupo EDUCA EDTECH conciben al estudiante como el centro de la experiencia educativa, nutriéndose de su retroalimentación. Su feedback es nuestro motor del cambio.
Inteligencia Artificial
La personalización en el aprendizaje no sería posible sin una combinación precisa entre experiencia académica e investigación tecnológica, así como la Inteligencia Artificial. Por eso contamos con herramientas IA de desarrollo propio, adaptadas a cada institución educativa del grupo.
Profesionales en activo
Nuestro equipo de profesionales docentes, además de ser especialistas en su sector, cuentan con una formación específica en el manejo de herramientas tecnológicas que conforman el ecosistema EDUCA EDTECH.
Timeless Learning
La formación debe ser una experiencia de vida, concibiendo el e-learning como una excelente solución para los desafíos de la educación convencional. Entendemos el aprendizaje como un acompañamiento continuo del estudiante en cada momento de su vida.
Titulación
INESEM Business School se ocupa también de la gestión de la Apostilla de la Haya, previa demanda del estudiante. Este sello garantiza la autenticidad de la firma del título en los 113 países suscritos al Convenio de la Haya sin necesidad de otra autenticación. El coste de esta gestión es de 65 euros. Si deseas más información contacta con nosotros en el 958 050 205 y resolveremos todas tus dudas.
También podría interesarte...
Otras Acciones Formativas relacionadas
Explora nuestras Áreas Formativas
Construye tu carrera profesional
Descubre nuestro amplio Catálogo Formativo, incluye programas de Cursos Superior, Expertos, Master Profesionales y Master Universitarios en las diferentes Áreas Formativas para impulsar tu carrera profesional.
Curso de Redes Neuronales con Python
100% Online
200 horas
Flexibilidad horaria