Curso de especialización en Machine Learning Nivel II - Analista en Inteligencia Artificial 29/04/2021 5568-xxxx-xx-xx-xxxx © Future Space 2022 Índice 1 Introducción al Deep Learning & Framework y lenguajes 2 Matemáticas e implementación & Entrenar Redes Neuronales 3 Metodología Práctica & Resultados de los modelos 4 Deep Learning I 5 Deep Learning II 4 Proyecto de Deep Learning I 5 Proyecto de Deep Learning II Nivel II - Especialista en Inteligencia Artificial Día 1 Objetivo: Se verán los conceptos generales del Deep Learning, sus diferencias con el ML y los distintos tipos Así como las principales librerías para empezar a experimentar con ellas Módulo 1 Introducción al Deep Learning ● Conceptos generales (1 hora) ● Redes neuronales. Tipos (1 hora) ● Ejemplos (1 hora) Módulo 2 Frameworks y lenguajes ● IDEs, Colab, y más (30 min) ● Librerías (30 min) Dinámica de trabajo: Casos de aplicación a Industria 4.0 (1 hora) ● Presentación de casos tipo (casos reales o teóricos). ● Evaluación de ventajas e inconvenientes. 4 Día 2 Objetivo: Se profundizará en las matemáticas de las redes y en las librerías para comenzar a usarlas y entender los puntos clave en los proyectos de datos Módulo 3 Matemáticas e implementación ● Las matemáticas detrás de las Redes Neuronales (1 hora) ● Redes Neuronales en Python (1 hora) Módulo 4 Entrenar Redes Neuronales (2 horas) ● Vanishing/Exploding Gradient ● Optimizaciones ● Regularizaciones ● Transfer learning y otras técnicas de reutilización Dinámica de trabajo: Casos de aplicación a Industria 4.0 (1 hora) ● Presentación de casos tipo (casos reales o teóricos). ● Evaluación de ventajas e inconvenientes. 5 Día 3 Objetivo: Este día centraremos Módulo 5 Metodología Práctica ● Acercamiento a un problema de Data (1 hora) ● Cantidad de datos, hiper parámetros y optimización (1 hora) Módulo 6 Resultados de los modelos ● Interpretar resultados (1 hora) ● AutoML (1 hora) ● —-- ● —-- Dinámica de trabajo: Casos de aplicación a Industria 4.0 ● Presentación de casos tipo (casos reales o teóricos). ● Evaluación de ventajas e inconvenientes. 6 Día 4 Objetivo: Se profundizará en la captura de datos y su procesamiento y limpieza viendo distintas técnicas y librerías. El grupo trabajará sobre un dataset común con el que luego se creará un primer modelo de Deep Learning Módulo 7 Deep Learning I (Hands-on) ● Procesamiento de datos (1 hora) ● Limpieza, exploración, generación de variables (2 horas) ● Primer modelo de Deep Learning (1,5 horas) Dinámica de trabajo: Casos de aplicación a Industria 4.0 (30 min) ● Presentación de casos tipo (casos reales o teóricos). ● Evaluación de ventajas e inconvenientes. 7 Día 5 Objetivo: Durante este día se harán talleres de pruebas de distintos modelos de DL Módulo 8 Deep Learning II (Hands-on) ● Red Neuronal (1 hora) ● Redes Convolucionales (1 hora) ● Ejemplo textil (30 min) ● Redes Recurrentes (1 hora) ● Redes Convolucionales (1 hora) Dinámica de trabajo: Casos de aplicación a Industria 4.0 ● Presentación de casos tipo (casos reales o teóricos). ● Evaluación de ventajas e inconvenientes. 8 Día 6 Módulo 9 Proyecto de Deep Learning ● Se trabajará en grupos de 2-3 personas para generar un modelo ● La idea es dividirse el trabajo entre búsqueda de recursos, limpieza, procesado, modelado y visualización de resultados Objetivo: Proyecto de ML Se realizará un caso práctico durante todo el día. El objetivo es que el alumno sea capaz de crear un modelo avanzado Dinámica de trabajo: Casos de aplicación a Industria 4.0 (30 min) ● Presentación de casos tipo (casos reales o teóricos). ● Evaluación de ventajas e inconvenientes. 9 Día 7 Módulo 10 Proyecto Deep Learning ● Continuación del modelo del día anterior (4 horas) Objetivo: Proyecto de ML Se realizará un caso práctico durante todo el día. El objetivo es que el alumno sea capaz de crear un modelo avanzado Dinámica de trabajo: Revisión de los modelos (1 hora) ● Se presentarán los modelos y la problemática que resuelven ● Fin del curso y entrega de diplomas 10 Contáctanos Av. de Tenerife 2 San Sebastián de los Reyes, 28703 Madrid. España bites.futurespace.es +34 916 58 66 09 Future Space S.A [email protected] @FutureSpaceES www.futurespace.es
