Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a los modelos preentrenados
- ¿Qué son los modelos preentrenados?
- Beneficios de utilizar modelos preentrenados.
- Resumen de modelos preentrenados populares (por ejemplo, BERT, ResNet).
Comprensión de las arquitecturas de los modelos preentrenados
- Fundamentos de la arquitectura de modelos.
- Conceptos de aprendizaje por transferencia y ajuste fino.
- Cómo se construyen y entrenan los modelos preentrenados.
Configuración del entorno
- Instalación y configuración de Python y las librerías relevantes.
- Exploración de repositorios de modelos preentrenados (por ejemplo, Hugging Face).
- Carga y prueba de modelos preentrenados.
Práctica con modelos preentrenados
- Uso de modelos preentrenados para clasificación de texto.
- Aplicación de modelos preentrenados en tareas de reconocimiento de imágenes.
- Ajuste fino de modelos preentrenados para conjuntos de datos personalizados.
Implementación de modelos preentrenados
- Exportación y guardado de modelos ajustados finamente.
- Integración de modelos en aplicaciones.
- Conceptos básicos de implementación de modelos en producción.
Desafíos y mejores prácticas
- Comprensión de las limitaciones de los modelos.
- Evitar el sobreajuste durante el ajuste fino.
- Garantizar el uso ético de los modelos de IA.
Tendencias futuras en modelos preentrenados
- Nuevas arquitecturas emergentes y sus aplicaciones.
- Avances en el aprendizaje por transferencia.
- Exploración de modelos de lenguaje grandes y modelos multimodales.
Resumen y próximos pasos
Requerimientos
- Comprensión básica de los conceptos de aprendizaje automático.
- Familiaridad con la programación en Python.
- Conocimientos básicos de manejo de datos utilizando librerías como Pandas.
Público objetivo
- Científicos de datos.
- Aficionados a la inteligencia artificial.
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
