Programa cofinanciado por el Fondo Social Europeo Plus y Agencia Digital de Andalucía, Junta de Andalucía
Objetivos
La Escuela de Organización Industrial (EOI) junto con FSE + y la Agencia Digital de Andalucía, Junta de Andalucía, lanza este programa cuyo objetivo principal es capacitar a los participantes en las técnicas de Deep Learning, una rama del Aprendizaje Automático (Machine Learning) que ha revolucionado diversos sectores al permitir resolver problemas complejos de una manera eficiente. Los alumnos se familiarizarán en el uso y aplicación de redes neuronales para mejorar los procesos y toma de decisiones en pequeñas y medianas empresas.
Al finalizar el curso, los participantes estarán preparados para diseñar e implementar modelos de Deep Learning que se adapten a las necesidades específicas de su negocio, lo que se traduce en una ventaja competitiva en un mercado complejo, pero, a la vez, más preparado. Además, los alumnos adquirirán conocimientos y habilidades altamente demandadas en el ámbito laboral actual.
Este curso está dirigido a emprendedores, gerentes y empleados, en general, de Pymes interesados en aplicar tecnologías de Inteligencia Artificial y, más concretamente, de Deep Learning para mejorar su negocio.
Los objetivos específicos del programa son los siguientes:
- Comprender los conceptos fundamentales de las redes neuronales y su evolución histórica.
- Conocer los fundamentos del Machine Learning y su relación con las redes neuronales.
- Aprender a programar redes neuronales básicas utilizando Python y Google Colab.
- Familiarizarse con los principales frameworks de Deep Learning como Pytorch, TensorFlow y Keras.
- Entender y aplicar redes neuronales convolucionales y recurrentes.
- Entender cómo utilizar modelos pre-entrenados para acelerar el desarrollo de aplicaciones.
- Analizar ejemplos reales de aplicaciones de redes neuronales en el ámbito empresarial.
- Utilizar herramientas actuales para trabajar con inteligencia artificial y redes neuronales en la práctica.
A continuación, se detallan las competencias a adquirir por los participantes de la acción formativa:
- Conocimiento sólido de los conceptos teóricos y prácticos del Deep Learning.
- Habilidades de programación en Python para Deep Learning.
- Conocimiento de los principales frameworks de Deep Learning (TensorFlow, PyTorch, Keras).
- Habilidad para diseñar, implementar y entrenar redes neuronales.
- Capacidad para seleccionar y utilizar los frameworks y librerías de Deep Learning más adecuados.
- Capacidad para analizar y mejorar procesos empresariales mediante la aplicación de técnicas de Deep Learning.
- Destreza en la resolución de problemas empresariales mediante el uso de técnicas de Deep Learning.
- Pensamiento crítico y creatividad para identificar oportunidades de aplicación del Deep Learning en sus pymes.
Datos generales
Los destinatarios de las acciones formativas serán personas empleadas en activo de cualquier sector de actividad dentro de una Pyme, por cuenta propia (autónomos) o ajena.
Estos destinatarios deberán tener gran motivación y compromiso con el programa: personas que deseen mejorar sus capacidades y habilidades, así como adquirir conocimientos para aplicarlos en la mejora de la competitividad de sus empresas.
63 horas lectivas (45 h de clase + 18 h de tutoría)
Formación gratuita. Programa cofinanciado por el Fondo Social Europeo Plus y Agencia Digital de Andalucía, Junta de Andalucía
Contenidos
Módulo 1. Introducción al Deep Learning. Herramientas de trabajo
- Historia del Deep Learning
- Entender el alcance de Deep Learning dentro de la Inteligencia Artificial
- Introducción a Lenguajes y librerías de Deep Learning
- Cloud vs. On-Premises
Módulo 2. Redes Neuronales
- Entendimiento y programación de una red neuronal básica en puro Python
- Explicación de los 'weights' y el algoritmo de 'back propagation’
Módulo 3. Frameworks de Deep Learning
- Introducción a las capas (Layers)
- Introducir ejemplos prácticos de los frameworks más usados (Pytorch, Tensorflow, Keras y otros)
- Entender las diferencias fundamentales entre los mismos
- Entendimiento y programación de los tipos de capas más importantes y usados más comúnmente
Módulo 4. Redes Convolucionales-CNN y Redes Recurrentes-CRN
- Redes Convolucionales
- Redes Recurrentes
- Ejemplos y características
Módulo 5. Reinforcement Learning y Redes GAN
- Aprendizaje por refuerzo.
- Redes antagonistas GANs.
- Ejemplos y características
Módulo 6. Tipologías Modernas (Encoders) y Modelos preentrenados
Encoders
- Ejemplos y características
- Modelos Deep Learning pre-entrenados y su adaptación para problemas diferentes
- Ejemplos y características
- Ejercicios prácticos de Clasificación de imágenes e Identificación de objetos en imágenes sin programación
Módulo 7. Aceleración por GPU para entrenamiento
- El problema del entrenamiento en grandes conjuntos de datos
- Opciones disponibles para acelerar el proceso usando la GPU
Módulo 8. Tendencias del mercado
- Ejemplos reales de casos de uso de Redes Neuronales
- ChatGPT, pago por uso, plataformas disponibles
Metodología
EOI ha desarrollado y puesto en práctica una metodología que se basa en la formación de carácter práctico y en la atención individualizada que permita el correcto desarrollo de los conocimientos adquiridos y su adecuación a las características de cada participante, a través de formación grupal, tutorías individualizadas y desarrollo de numerosas actividades.
Se entregará un DIPLOMA acreditativo a todos aquellos alumnos que hayan alcanzado los porcentajes de asistencia requeridos, tanto a las sesiones lectivas como a las tutorías y hayan superado con la calificación de Apto la prueba de conocimiento establecida.
Para evaluar la adquisición de conocimientos se realizarán, en su caso, cuestionarios, formularios, casos prácticos individuales y/o grupales acerca de los contenidos vistos a lo largo del curso.
HORAS DE DIPLOMA: 93 horas
63 horas lectivas (45 h de clase + 18 h de tutoría) + 30 horas de Trabajo del alumno
Información e Inscripción
¡Solicita ya tu plaza!
Contacta con nosotros en:
EOI Sevilla
- Tlf: 954 46 33 77
- Mail: trinidad.romero@eoi.es