OpenWebinars

Deep Learning con TensorFlow y Keras: Una guía práctica

Comienza a sacar partido del poder del Deep Learning con TensorFlow y Keras para el desarrollo y entrenamiento de modelos de redes neuronales. Gracias a esta formación aprenderás de forma teórica y también práctica, utilizando para ello ejemplos y proyectos reales en los que aplicar lo aprendido previamente.

4.4(161 valoraciones)

La metodología y plataforma de formación que se adapta al tamaño y ritmo de tu empresa.

Cuéntanos tu caso

Curso impartido por

Avatar:Alejandro Magdalena Niño

Alejandro Magdalena Niño

Experto en Data Science

Contenido de la formación

6 Secciones · 24 Lecciones · 3 h. y 59 min. en total

Introducción

2 min.

Primeros pasos en TensorFlow y Keras

55 min.

Construyendo Modelos con Keras

1 h. y 28 min.

Redes Neuronales Convolutivas (CNN)

1 h. y 5 min.

Proyecto Final: Generación de Textos con IA

24 min.

Conclusiones

3 min.

Habilidades que obtendrás

  • Introducción a TensorFlow y Keras.
  • Fundamentos y arquitecturas de redes neuronales.
  • Creación y entrenamiento de modelos de redes neuronales.
  • Implementación de redes CNN.
  • Práctica con ejemplos y casos reales.

Requisitos mínimos

Conocimientos básicos de programación en Python y familiaridad con conceptos básicos de Machine Learning.
 

Valoración de nuestros alumnos

4.4
161 valoraciones
  • 5
  • 4
  • 3
  • 2
  • 1
Bien
Nouhaila El haloui
Muy instructiva
Almudena Riojo gomez

Completa tu formación con estos contenidos

Icono de la tecnología
Curso

Deep Learning con Python

Intermedio
1 h. y 44 min.

Esta formación enseña Deep Learning con Python, abarcando Hugging Face, Gradio, visión por computadora, NLP, IA generativa, y...

Sergio Pérez García
4.5

Preguntas frecuentes

Resuelve tus dudas o contacta con nosotros para más información.

Cuéntanos tu caso

En OpenWebinars no vendemos formaciones.

Tenemos diferentes tipos de suscripciones, que te dará acceso completo a todas las formaciones de la plataforma y a las nuevas que vamos lanzando, siempre y cuando tu suscripción esté activa (como Spotify con la música o Netflix con las películas y series).

¿Eres una empresa? Tenemos planes especiales para ti. Consúltanos aquí.

Efectivamente, una vez superada cada formación, podrás descargarte el diploma acreditativo de cada una de ellas. Añádelas a tu CV y mejora tu perfil para las empresas. También podrás obtener un diploma de nivel superior al superar todas las formaciones de la ruta.

En OpenWebinars las formaciones no tienen fecha de inicio y de final.

Cada curso tiene una fecha de publicación y desde ese día estarán 100% disponible todos los contenidos del curso para los usuarios suscritos a alguno de nuestros planes.

Este curso es una forma perfecta de introducirte en el fascinante mundo del Deep Learning, adquiriendo una base sólida en TensorFlow y Keras, dos de las bibliotecas más utilizadas en este campo.

Si tienes conocimientos básicos de Python y una comprensión preliminar de Machine Learning, además de ganas de aprender sobre el desarrollo y entrenamiento de modelos neuronales, no te lo pienses más.

La formación comienza con los temas más iniciales, como son los fundamentos de redes neuronales, pasando por la instalación y configuración de TensorFlow y Keras, hasta la creación y entrenamiento de modelos avanzados.

Después se abordan las Redes Neuronales Convolutivas (CNN), de forma que aprendas su aplicación en el análisis de imágenes y cómo implementarlas para proyectos específicos como la clasificación de fotos.

Cada sección del curso está diseñada de forma que adquieras un conocimiento profundo de cómo construir y perfeccionar modelos de Deep Learning, que culmina en un proyecto final que consolidará tu aprendizaje y te permitirá aplicar tus conocimientos a casos reales.

Una vez que hayas finalizado esta formación, habrás aprendido la teoría detrás de TensorFlow y Keras, además de haber obtenido experiencia práctica con ejercicios y ejemplos que te prepararán para utilizar estas herramientas en tus propios proyectos de aprendizaje automático.