1- Introducción a Deep Learning
- ¿Qué es Machine Learning y Deep Learning?
- Instalación de entorno Python y librerías Deep Learning
- Aprendizaje supervisado
- ¿Qué es el overfitting / underfitting en el aprendizaje supervisado?
- Evaluación de rendimiento de modelos – Métricas de Clasificación
- Evaluación de rendimiento de modelos – Métricas de Regresión
- Aprendizaje no supervisado
2- Redes neuronales artificiales (ANN) – Conceptos Fundamentales
- ¿Qué es una neurona y el modelo perceptrón?
- ¿Qué son las redes neuronales?
- Funciones de activación
- Funciones de activación en modelos multiclase
- Funciones de Coste y de Gradiente Descendente
- Propagación hacia atrás (backpropagation)
- Claves para crear redes neuronales efectivas
- ¿Qué nos proporciona Tensorflow y Keras?
3- Redes neuronales artificiales (ANN) – Regresión con Keras y Tensorflow
- Regresión con Keras – Presentación caso práctico
- Regresión con Keras – Importación de librerías y fuentes
- Regresión con Keras – Análisis de datos (EDA) + Preprocesado (I)
- Regresión con Keras – Análisis de datos (EDA) + Preprocesado (II)
- Regresión con Keras – División Train / Test
- Regresión con Keras – Escalado
- Regresión con Keras – Creación de modelo
- Regresión con Keras – Entrenamiento del modelo
- Regresión con Keras – Evaluación y Predicción
4- Redes neuronales artificiales (ANN) – Clasificación binaria con Keras y Tensorflow
- Clasificación binaria con Keras – Presentación caso práctico
- Clasificación binaria con Keras – Importación de librerías y fuentes
- Clasificación binaria con Keras – Análisis de datos (EDA) + Preprocesado
- Clasificación binaria con Keras – División Train / Test
- Clasificación binaria con Keras – Escalado
- Clasificación binaria con Keras – Creación de modelo
- Clasificación binaria con Keras – Entrenamiento del modelo
- Clasificación binaria con Keras – Evaluación y Predicción
5- Redes neuronales artificiales (ANN) – Clasificación multiclase con Keras y Tensorflow
- Clasificación multiclase con Keras – Presentación caso práctico
- Clasificación multiclase con Keras – Importación de librerías y fuentes
- Clasificación multiclase con Keras – Análisis de datos (EDA) + Preprocesado (I)
- Clasificación multiclase con Keras – Análisis de datos (EDA) + Preprocesado (II)
- Clasificación multiclase con Keras – División Train / Test
- Clasificación multiclase con Keras – Escalado
- Clasificación multiclase con Keras – Creación de modelo
- Clasificación multiclase con Keras – Entrenamiento del modelo
- Clasificación multiclase con Keras – Evaluación y Predicción
- Clasificación multiclase con Keras – Monitorización con Tensorboard
6- Redes neuronales convolucionales (CNN) – Clasificaciones imágenes blanco y negro
- Introducción a las redes neuronales convolucionales (CNN)
- ¿Qué son los filtros de imagen y los kernels?
- Capas convolucionales en una CNN
- Capas pooling en una CNN
- Clasificación imágenes Blanco y Negro – Presentación caso práctico
- Clasificación imágenes Blanco y Negro – Importación de librerías y fuentes
- Clasificación imágenes Blanco y Negro – Preprocesado
- Clasificación imágenes Blanco y Negro – Creación del modelo
- Clasificación imágenes Blanco y Negro – Entrenamiento del modelo
- Clasificación imágenes Blanco y Negro – Evaluación y Predicción
7- Redes neuronales convolucionales (CNN) – Clasificaciones imágenes en color
- Clasificación imágenes RGB – Presentación caso práctico
- Clasificación imágenes RGB – Importación de librerías y fuentes
- Clasificación imágenes RGB – Preprocesado
- Clasificación imágenes RGB – Creación del modelo
- Clasificación imágenes RGB – Entrenamiento del modelo
- Clasificación imágenes RGB – Evaluación y Predicción
8- Redes neuronales recurrentes (RNN)
- Introducción a las redes neuronales recurrentes (RNN)
- Neuronas LSTM
- Creación de batches en RNN
- Forecast RNN – Presentación caso práctico
- Forecast RNN – Importación de librerías y fuentes
- Forecast RNN – Preprocesado
- Forecast RNN – División Train / Test
- Forecast RNN – Escalado
- Forecast RNN – Creación Generador Serie Temporal
- Forecast RNN – Creación del modelo
- Forecast RNN – Entrenamiento del modelo
- Forecast RNN – Evaluación y Predicción
9- Redes neuronales en Aprendizaje No Supervisado
- Introducción a las redes neuronales en aprendizaje no supervisado
- ¿Qué son los autoencoders en una red neuronal?
- NN No Supervisado – Presentación caso práctico
- NN No Supervisado – Importación de librerías y fuentes
- NN No Supervisado – Preprocesado
- NN No Supervisado – Escalado
- NN No Supervisado – Estimación número de clústeres
- NN No Supervisado – Creación del modelo
- NN No Supervisado – Entrenamiento del modelo
- NN No Supervisado – Evaluación y Predicción de clústeres
