Course curriculum

    1. 01- Introduccion

    2. 02- De neuronas biologicas a Artificiales

    3. 03- Neuronas Biologicas

    4. 04- Computaciones

    5. 05- El Perceptron

    6. 06- Como funciona una red neuronal

    7. 07- Backpropagation Terminado

    8. 08- BackPropagation de a 3 parametros

    9. 09- Backpropagation Optimizar todos los parametros

    10. 10- Keras y Tensorflow

    11. 12- Cargar los datos de CIFAR10

    12. 11- Instalar Keras y Tensorflow

    13. 13- Checar las imagenes

    14. 14- Armar el modelo

    15. 15- Compilar el Modelo

    16. 16- Correr el modelo y fracasar

    17. 17- Corregir el modelo

    18. 18- Usar el modelo para predecir

    19. 19- Armar un modelo de regresion

    20. 20- API Funcional

    21. 21- Guardar un Modelo

    22. 22- Callbacks

    23. 23- Tensorboard

    24. 24-- Optimizar Modelos

    1. 01- Introducción

    2. 02- CIFAR10 - 1

    3. 03- El gradiente que se desvanece

    4. 04- Inicializaciones

    5. 05- Funciones de Activacion

    6. 06- CIFAR10 - 2

    7. 07- Batch Norm

    8. 08- Batch Norm en Keras

    9. 09- Optimización por momentum

    10. 10- Nesterov

    11. 11- Adagrad

    12. 12- RMS Prop

    13. 13- Adam

    14. 14-CIFAR10-1

    15. 15- CIFAR10-1 parte 2

    16. 16- Shedules

    17. 17- Intro Regularizacion

    18. 18- Regularizacion L! y L2

    19. 19- Dropout

    20. 20- MC Dropout

    21. 21- Salida

    1. 01- Introducción

    2. 02- Tensorflow que es

    3. 03- Que son tensores

    4. 04- Tensores

    5. 05- Indizar

    6. 06- Operaciones

    7. 07- TF y Numpy

    8. 08- Variables

    9. 09- HuberFn

    10. 10- Cargar mdoelos

    11. 11- Funciones Personalizadas

    12. 12- Métrica de Streaming y metricas Personalizadas

    13. 13- Capas Personalizadas

    14. 14- Modelos personalizados

    1. 1.- Introduccion_limpio

    2. 2.- Datasets en Tensorflow

    3. 3.- Encadenar Transformaciones

    4. 4.- Barajear los Datos_AVANCE_04

    5. 5.- Todo Junto a la vez_Avance_04

    6. 6.- Todo Junto (error garrafal en la funcion)_Avance_01

    7. 7.- Prefetching_AVANCE_04

    8. 8.- Hacerlo Todo En Keras_AVANCE_01

    9. 9.- Procesar Imagenes_AVANCE_02

    1. 01- Introduccion

    2. 02- La corteza Visual

    3. 03- Como Funciona una Red neuronal Convolucional

    4. 04- Agrupando Feature Maps Multiples

    5. 05- Que tan pesadas son las CNNs

    6. 06- Diferentes Redes Neuronales

    7. 07-Segmentacion Semantica

    8. 08- Temas Adicionales

    9. 09- Progra1 - Preparar el libro de Trabajo

    10. 10- Progra2 - Crear una capa convolucional

    11. 11- Progra3 - Max Pooling

    12. 12- Progra4 - AvgPooling 2

    13. 13- Progra5 - MNIST

    14. 14- Progra6 - RESNET 34

    15. 15- Progra7 - Resnet 50 transfer

    16. 16- Progra8 - Xception

    1. 01 - Neuronas y Capas Recurrentes

    2. 02 - Celdas de Memoria

    3. 03 - Secuencia de Entrada y de Salida

    4. 04- Entrenando RNNs

    5. 05- Secuencia de Amazon

    6. 06- Importaciones Comunes

    7. 07- Series de tiempo - Parte 1

    8. 08- Series de tiempo - Parte 2

    9. 09- Series de tiempo - Parte 3

    10. 11- Series de Tiempo - Parte 5

    11. 12- Predecir Varios Pasos a Futuro

    12. 13- Predecir Varios Pasos a Futuro - Parte 2

    13. 14- Predecir Varios Pasos a Futuro - Parte 3

    14. 15- Manejar Secuencias Largas

    15. 16- Manejar Secuencias Largas 2

    16. 17- Manejo de Secuencias Largas 3 - Batch Norm

    17. 18- Manejo de Secuencias Largas 4 - Batch Norm

    18. 19- Manejo de Secuencias Largas 5 - LSTM

    19. 20- Manejo de Secuencias Largas 5-5 - LSTM Teoria

    20. 21- Manejo de Secuencias Largas 6 - GRU_1

    21. 22- Manejo de Secuencias Largas Parte 7 Conv1d y Wavenet

About this course

  • $40.00
  • 165 lecciones
  • 16.5 horas de contenido en video

Discover your potential, starting today

Enroll today