Duración
25 horas
Introducción
Mediante esta formación de Deep Learning con R las personas asistentes aprenderán a usar R para realizar análisis de datos profundos. Aprenderán a construir modelos de aprendizaje automático y profundos basados en la tecnología de aprendizaje automático de R. Aprenderán cómo implementar modelos de aprendizaje profundo con R, añadiendo capas complejas a la red neuronal para un mejor rendimiento. Aprenderán a entrenar, evaluar y ajustar los modelos de aprendizaje profundo para obtener los mejores resultados.
Además, aprenderán cómo construir modelos para procesar datos no estructurados como imágenes, audio y video con la librería Keras. Aprenderás a identificar los factores clave en los datos de entrada y a entrenar modelos de aprendizaje profundo con ellos. También aprenderán cómo optimizar tus modelos para obtener los mejores resultados.
Objetivos
- Comprender la teoría de Deep Learning.
- Aprender a usar la biblioteca de Python Keras para construir modelos predictivos.
- Desarrollar habilidades en la manipulación de datos, análisis estadístico y visualización.
- Comprender los principios básicos de la optimización de modelos.
- Aprender la implementación de modelos de Deep Learning para solucionar problemas reales.
Temario
- Introducción a Deep Learning con R
- Qué es el aprendizaje profundo
- Cómo funciona el aprendizaje profundo
- Qué son las redes neuronales
- Cómo funcionan las redes neuronales
- Tipos de redes neuronales
- Implementación con R
- Introducción a R
- Instalación de R
- Instalación de la librería Keras
- Creación de entornos de trabajo
- Conceptos de programación en R
- Estructuras de datos en R
- Uso de Keras
- Introducción a la librería Keras
- Instalación de Keras
- Estructura de un modelo en Keras
- Construcción de modelos en Keras
- Entrenamiento de modelos en Keras
- Análisis de datos
- Pre procesamiento de datos
- Carga de datos
- Exploración de datos
- Visualización de datos
- Análisis de correlaciones
- Construcción de modelos
- Selección de variables
- Construcción de modelos
- Validación de modelos
- Ajuste de modelos
- Optimización de modelos
- Búsqueda de hiperparámetros
- Evaluación de modelos
- Selección de modelos
- Análisis de resultados
- Uso de imágenes
- Introducción a la visión por computador
- Preprocesamiento de imágenes
- Carga de imágenes
- Exploración de imágenes
- Visualización de imágenes
- Uso de audio
- Introducción al procesamiento de audio
- Preprocesamiento de audio
- Carga de audio
- Exploración de audio
- Visualización de audio
- Uso de video
- Introducción al procesamiento de video
- Preprocesamiento de video
- Carga de video
- Exploración de video
- Visualización de video
- Uso de redes recurrentes
- Introducción a las redes recurrentes
- Arquitecturas de redes recurrentes
- Implementación de redes recurrentes
- Entrenamiento de redes recurrentes
- Evaluación de redes recurrentes
- Uso de redes convolucionales
- Introducción a las redes convolucionales
- Arquitecturas de redes convolucionales
- Implementación de redes convolucionales
- Entrenamiento de redes convolucionales
- Evaluación de redes convolucionales
- Uso de redes profundas
- Introducción a las redes profundas
- Arquitecturas de redes profundas
- Implementación de redes profundas
- Entrenamiento de redes profundas
- Evaluación de redes profundas