Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable
Il y a 4 modules dans ce cours
El curso "Deep Learning" ofrece una introducción práctica a las redes neuronales artificiales y su aplicación en diversas áreas como el reconocimiento de dígitos manuscritos, detección de cáncer y generación de texto. Utilizando TensorFlow y Keras, los participantes aprenderán a construir y entrenar modelos de redes neuronales, incluyendo CNN y RNN, a través de ejemplos y ejercicios prácticos.
En esta sección, los estudiantes serán introducidos al mundo del Deep Learning, comenzando con una explicación de las redes neuronales artificiales. Se explorarán los componentes y la estructura de las NN, y se realizará un primer proyecto práctico de programación para reconocer dígitos manuscritos.
Inclus
13 vidéos1 lecture11 devoirs
Afficher les informations sur le contenu du module
13 vidéos•Total 73 minutes
Introducción semana 1•2 minutes
Las redes neuronales artificiales: Antecedentes•2 minutes
Redes neuronales artificiales: Básico•3 minutes
NN en Python para emular la función XOR•10 minutes
Capas y componentes de una NN•9 minutes
Procesamiento de datos: Feed-Forward•6 minutes
Procesamiento de datos: Backward-Propagation•8 minutes
Limpieza de datos•6 minutes
Preparación de datos•5 minutes
Definición de pesos y variables con la función FeedForward•5 minutes
Función Backdrop y generación de NN•8 minutes
Visualización e interpretación de salidas•6 minutes
Cierre de semana 1•2 minutes
1 lecture•Total 30 minutes
Información de la semana•30 minutes
11 devoirs•Total 1 980 minutes
Cuestionario: Antecedentes de las redes neuronales•180 minutes
Cuestionario: Fundamentos de las redes neuronales artificiales•180 minutes
Cuestionario 3: NN en Python para emular la función XOR•180 minutes
Cuestionario 4: Capas y componentes de una NN•180 minutes
Cuestionario 5: Procesamiento de datos: Feed-Forward•180 minutes
Cuestionario 6: Procesamiento de datos: Backward Propagation•180 minutes
Cuestionario 7: Limpieza de datos•180 minutes
Cuestionario 8: Preparación de datos•180 minutes
Cuestionario 9: Definición de pesos y variables con función FeedForward•180 minutes
Cuestionario 10: Función Backprop y generación de NN•180 minutes
Cuestionario 11: Visualización e interpretación de salidas•180 minutes
2. Redes Neuronales con TensorFlow y Keras
Module 2•20 heures à terminer
Détails du module
Esta sección se centra en el uso de TensorFlow y Keras para la construcción y entrenamiento de redes neuronales. Los estudiantes aprenderán a implementar modelos para la detección de dígitos manuscritos y el diagnóstico de cáncer de mama, utilizando estas poderosas herramientas de Deep Learning
Inclus
10 vidéos2 lectures6 devoirs
Afficher les informations sur le contenu du module
10 vidéos•Total 75 minutes
Introducción a la semana 2•1 minute
Tensorflow y su importancia•2 minutes
Tensores•1 minute
Instalación de Tensorflow y Keras•9 minutes
Probando la instalación con la función XOR•13 minutes
Dígitos manuscritos con Keras: Limpieza de datos•11 minutes
Dígitos manuscritos con Keras: Construyendo y entrenando la NN•9 minutes
Dígitos manuscritos con Keras: Evaluación de la red neuronal•12 minutes
Detección de cáncer de mama con NN•15 minutes
Cierre de la semana 2•2 minutes
2 lectures•Total 60 minutes
Contenido de la semana•30 minutes
Observación•30 minutes
6 devoirs•Total 1 080 minutes
Cuestionario 12: TensorFlow y su importancia•180 minutes
Cuestionario 13: Tensores•180 minutes
Cuestionario 14: Probando la instalación•180 minutes
Cuestionario 15: Construyendo y entrenando la NN•180 minutes
Cuestionario 16: Evaluación de la red neuronal•180 minutes
Cuestionario 17: Detección de cáncer de mama con NN•180 minutes
3. Redes Neuronales Convolucionales
Module 3•26 heures à terminer
Détails du module
Explorarás las redes neuronales convolucionales (CNN), una técnica avanzada para el procesamiento de imágenes. Se desarrollarán proyectos prácticos para el reconocimiento de términos manuscritos y el lenguaje de señas, aprendiendo a guardar, cargar y compartir los modelos de redes neuronales.
Inclus
14 vidéos1 lecture8 devoirs
Afficher les informations sur le contenu du module
14 vidéos•Total 77 minutes
Introducción a la semana 3•2 minutes
Redes neuronales convolucionales•3 minutes
Convolución•2 minutes
Filtros•7 minutes
Capa de convolución•3 minutes
Capa de agrupación•3 minutes
Limpieza de datos•5 minutes
Construyendo y entrenando la NN•10 minutes
Evaluación de la NN•8 minutes
Limpieza de datos•8 minutes
Construyendo y entrenando la NN•6 minutes
Prueba y evaluación de la red•8 minutes
Guardar, cargar y compartir las redes neuronales•11 minutes
Cuestionario 23: Construyendo y entrenando la NN•180 minutes
Cuestionario 24: Construyendo y entrenando la NN•180 minutes
Cuestionario 25: Guardar, cargar y compartir las NN•180 minutes
4. Deep Learning y generación de texto
Module 4•8 heures à terminer
Détails du module
Esta sección se dedica a las redes neuronales recurrentes (RNN) y las Long Short-Term Memory (LSTM), utilizadas principalmente para la generación de texto. Los contenidos de está sección te permitirán comprender cómo crear modelos que generen texto de manera coherente, practicando con ejemplos y ejercicios específicos.
Inclus
8 vidéos3 lectures2 devoirs
Afficher les informations sur le contenu du module
8 vidéos•Total 45 minutes
Introducción a la semana 4•1 minute
¿Qué es una red neuronal recurrente?•4 minutes
¿Qué es una red neuronal de corto y largo plazo?•9 minutes
Generación de texto: Exploración de datos•10 minutes
Generación de texto: Preparación de datos•7 minutes
Generación de texto: Construcción de modelo•8 minutes
Generación de texto•7 minutes
Cierre de semana 4•1 minute
3 lectures•Total 70 minutes
Contenido de la semana•30 minutes
Raw HTML•30 minutes
Cierre del curso•10 minutes
2 devoirs•Total 360 minutes
Cuestionario 26: ¿Qué es una red neuronal recurrente?•180 minutes
Cuestionario 27: ¿Qué es una red neuronal de corto y largo plazo?•180 minutes
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Con más de 50 años de historia, la Universidad Anáhuac, siguiendo nuestro modelo educativo de formación integral sitúa a la persona en el centro del proceso formativo e impulsa su potencial y desarrollo pleno atendiendo las diferentes dimensiones: humana, intelectual, profesional, social y espiritual.
Más de 90 mil egresados respaldan nuestra misión como Red de Universidades Anáhuac de: Contribuir a la formación integral de líderes de acción positiva y promover institucionalmente el desarrollo de la persona y de la sociedad, inspirados en los valores del humanismo cristiano.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
When will I have access to the lectures and assignments?
To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
What will I get if I subscribe to this Specialization?
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.
Is financial aid available?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.