fbpx
4.66 de 5
4.66
287 reseñas sobre Udemy

Masterclass en Inteligencia Artificial: con Proyectos Reales

Desata el poder de la IA para resolver problemas prácticos, del mundo real en Finanzas, Tecnología, Arte y Salud
Instructor:
Dr. Ryan Ahmed, Ph.D., MBA
3.176 estudiantes matriculados
Spanish [Auto]
Experiencia práctica utilizando conjuntos de datos del mundo real, entrenando y desplegando modelos usando Tensorflow y AWS SageMaker
Desplegar el modelo basado en Emotion AI usando Tensorflow 2.0 Serving y usa el modelo para hacer la inferencia.
Comprender el concepto de IA explicable y descubrir la naturaleza de caja negra de las redes neuronales artificiales y visualizar sus capas ocultas con GradCam.
Desarrollar un modelo de Deep Learning para automatizar y optimizar los procesos de detección de tumores cerebrales en un hospital.
Construir y entrenar el modelo de IA para detectar y localizar los tumores cerebrales utilizando las redes ResNets y ResUnet (aplicaciones en salud).
Entender la teoría y la intuición que hay detrás de los modelos de segmentación y el estado del arte de las redes ResUnet.
Construir, entrenar y desplegar modelos de IA en los negocios para predecir el déficit en tarjetas de crédito utilizando el algoritmo en AWS SageMaker XGBoost.
Optimizar los parámetros del modelo XGBoost utilizando la búsqueda de optimización de hiperparámetros.
Aplicar la IA en las aplicaciones de negocios realizando una segmentación del mercado de clientes para optimizar la estrategia de marketing.
Comprender la teoría y las matemáticas subyacentes detrás del algoritmo DeepDream para la generación de arte.
Desarrollar, entrenar y probar el estado del arte del algoritmo DeepDream para crear obras de arte basadas en IA, usando el API de Keras en Tensorflow 2.0.
Desarrollar modelos de RNA y entrenarlos en Google’s Colab mientras se aprovecha la potencia de las GPU y TPU.

¡La revolución de la Inteligencia Artificial (IA) está aquí!

“El mercado de la Inteligencia Artificial en todo el mundo se proyecta que crezca en 284.6 Billones de dólares, impulsado por un crecimiento compuesto del 43,9%. El Deep Learning, uno de los segmentos analizados y dimensionados en este estudio, muestra el potencial para crecer a más de 42. 5%.” (FUENTE: globenewswire).

La IA es la ciencia que permite a los ordenadores imitar la inteligencia humana, como la toma de decisiones, el razonamiento, el procesamiento de textos y la percepción visual. La IA es un campo general más amplio que abarca varios sub campos como el aprendizaje automático, la robótica y la visión por computador.

Para que las empresas se vuelvan competitivas y aumenten su crecimiento, necesitan aprovechar el poder de la Inteligencia Artificial (IA) para mejorar los procesos, reducir los costes y aumentar los ingresos. Hoy en día, la IA se implementa ampliamente en muchos sectores y ha estado transformando todas las industrias, desde la banca hasta la salud, el transporte y la tecnología.

La demanda de talentos de IA ha aumentado exponencialmente en los últimos años y ya no se limita a Silicon Valley! Según Forbes, las habilidades de IA están entre las más demandadas para el 2020.

El propósito de este curso es proporcionarte conocimientos sobre aspectos clave de las aplicaciones modernas de la Inteligencia Artificial de una manera práctica, fácil y divertida.

El curso proporciona a los estudiantes una experiencia práctica utilizando conjuntos de datos del mundo real. El curso cubre muchos temas y aplicaciones nuevas como Emotion IA, la explicación clara de la caja negra detrás de la IA, la IA creativa y las aplicaciones de la IA en la salud, los negocios y las finanzas.

Una característica clave y única de este curso es que entrenaremos y desplegaremos modelos usando Tensorflow y AWS SageMaker. Además, cubriremos varios elementos del flujo de trabajo AI/ML que cubren la construcción de modelos, el entrenamiento, la sincronización de los hiper parámetros, y el despliegue. Además, el curso ha sido cuidadosamente diseñado para cubrir aspectos clave de la IA como el Aprendizaje automatizado, el Deep Learning, y la visión por computador.

AQUÍ HAY UN RESUMEN DE LOS PROYECTOS QUE ABARCAREMOS:

  • Proyecto #1 (Emotion AI): Clasificación de Emociones y Detección de Puntos Faciales Claves usando IA.

  • Proyecto #2 (AI en el Cuidado de la Salud): Detección y localización de tumores cerebrales mediante la IA.

  • Proyecto #3 (IA en Negocios/Marketing): Segmentación de clientes en centros comerciales usando auto encoders y algoritmos de aprendizaje automático no supervisados.

  • Proyecto #4: (AI en Negocios/Finanzas): Predicción y supervisión de la validez tarjetas de crédito usando el algoritmo XG-Boost de AWS SageMaker (AutoPilot).

  • Proyecto #5 (IA Creativa): Generación de obras de arte por la IA.

PARA QUIÉN ES ESTE CURSO:

El curso está dirigido a profesionales de la IA, aspirantes a científicos de datos, entusiastas de la tecnología y consultores que deseen obtener una comprensión fundamental de la ciencia de los datos y resolver problemas del mundo real. Aquí hay una lista de para quién es este curso:

  • Consultores experimentados que quieran transformar industrias aprovechando la IA.

  • Profesionales de la IA que quieran avanzar en sus carreras y construir su portfolio.

  • Propietarios de negocios visionarios que quieren aprovechar el poder de la IA para maximizar los ingresos, reducir los costes y optimizar su negocio.

  • Entusiastas de la tecnología que son apasionados de la IA y quieren ganar experiencia práctica en el mundo real.

PRE-REQUISITOS DEL CURSO:

Se recomiendan conocimientos básicos de programación. Sin embargo, estos temas se cubrirán ampliamente durante las primeras clases del curso; por lo tanto, el curso no tiene pre requisitos necesarios y está abierto a cualquier persona con conocimientos básicos de programación. Los estudiantes que se inscriban en este curso dominarán los fundamentos de la ciencia de datos y aplicarán directamente estos conocimientos para resolver desafiantes problemas empresariales del mundo real.

Introducción

1
Introducción y bienvenida del curso
2
Introducción, consejos claves y buenas prácticas
3
Temario del curso y objetivos de aprendizaje
4
Obtén los materiales del curso

Detección de Emociones con IA

1
Introducción al proyecto y mensaje de bienvenida
2
Tarea 1: Entender el enunciado del problema y el caso práctico
3
Tarea 2: Importar las librerías y datasets
4
Tarea 3: Visualización de los datos
5
Tarea 4: Aumentación de las imágenes
6
Nota: cambios en la versión de numpy
7
Tarea 5: Normalización y escalado de los datos
8
Tarea 6: Entender la teoría e intuición detrás de redes neuronales artificiales
9
Tarea 7: Entender el entrenamiento en ANN y el gradiente descendente
10
Tarea 8: Entender las Redes Neuronales de Convolución y las ResNets
11
Tarea 9: Construir una ResNet para detectar los puntos clave de la cara
12
Tarea 10: Compilar y entrenar el modelo detector de rasgos faciales
13
Tarea 11: Evaluar el modelo ResNet entrenado
14
Tarea 12: Importar y explorar el dataset de expresiones faciales (emociones)
15
Tarea 13: Visualizar las imágenes de las expresiones faciales
16
Tarea 14: Llevar a cabo la aumentación de las imágenes
17
Tarea 15: Construir y entrenar un modelo clasificador de expresiones faciales
18
Tarea 16: Entender los Indicadores para evaluar la clasificación (KPIs)
19
Tarea 17: Evaluar el modelo clasificador de expresiones faciales
20
Tarea 18: Hacer predicciones con los dos modelos: puntos faciales y emoción
21
Tarea 19: Guardar el modelo entrenado para subir a producción
22
Tarea 20: Subir el modelo entrenado a producción con TensorFlow 2.0 Serving
23
Tarea 21: Desplegar ambos modelos y hacer predicciones en directo

IA en Salud y Medicina

1
Introducción al proyecto y mensaje de bienvenida
2
Tarea 1: Entender el enunciado del problema y el caso práctico
3
Tarea 2: Importar las librerías y datasets
4
Tarea 3: Visualización de datos
5
Tarea 4: Entender la intuición detrás de las ResNet y las RNC
6
Tarea 5: Entender la teoría e intuición detrás del aprendizaje por transferencia
7
Tarea 6: Entrenar un modelo de clasificación para detectar tumores cerebrales
8
Tarea 7: Evaluar la eficacia del modelo de clasificación entrenado
9
Tarea 8: Entender los modelos de segmentación con ResUnet
10
Tarea 9: Construir un modelo de segmentación para localizar tumores cerebrales
11
Tarea 10: Entrenar un modelo de segmentación ResUnet
12
Tarea 11: Evaluar el modelo de segmentación ResUnet entrenado

IA en Negocios (Marketing)

1
Introducción al proyecto y mensaje de bienvenida
2
Tarea 1: Entender el enunciado del problema y el caso práctico
3
Tarea 2: Importar las librerías y datasets
4
Tarea 3: Análisis exploratorio de los datos (Parte 1)
5
Tarea 4: Análisis exploratorio de los datos (Parte 2)
6
Tarea 5: Entender la teoría e intuición detrás del clustering por K-Means
7
Tarea 6: Aplicar el método del codo para hallar el número óptimo de clusters
8
Tarea 7: Aplicar el algoritmo del clústering por K-Means
9
Tarea 8: Entender la teoría e intuición del análisis de componentes principales
10
Tarea 9: Entender la teoría e intuición detrás de los auto encoders
11
Tarea 10: Aplicar los auto encoders para hacer un clustering

IA en Negocios (Finanzas) y AutoML

1
Introducción al proyecto y mensaje de bienvenida
2
Notas acerca de Amazon Web Services (AWS)
3
Tarea 1: Entender el enunciado del problema y el caso práctico
4
Tarea 2: Importar las librerías y datasets
5
Tarea 3: Visualización y exploración de los datos
6
Tarea 4: La limpieza de los datos
7
Tarea 5: Entender la teoría e intuición detrás del algoritmo XG-Boost
8
Tarea 6: Entender los pasos clave de XG-Boost
9
Tarea 7: Entrenar el algoritmo de XG-Boost con Scikit-Learn
10
Tarea 8: Utilizar grid search para la optimización de híper parámetros
11
Tarea 9: Entender XG-Boost en AWS SageMaker
12
Tarea 10: Entrenar XG-Boost en AWS SageMaker
13
Tarea 11: Desplegar un modelo y hacer predicciones
14
Tarea 12: Entrenar y desplegar un modelo con AWS Autopilot (programación mínima)

IA Creativa

1
Introducción al proyecto y mensaje de bienvenida
2
Tarea 1: Entender el enunciado del problema y el caso práctico
3
Tarea 2: Importar el modelo con pesos pre entrenados
4
Tarea 3: Importar y mezclar imágenes
5
Tarea 4: Ejecutar el modelo pre entrenado y explorar las activaciones
6
Tarea 5: Entender la teoría e intuición detrás de Deep Dream
7
Tarea 6: Entender las operaciones de gradiente en TF 2.0
8
Tarea 7: Implementar el algoritmo Deep Dream Parte 1
9
Tarea 8: Implementar el algoritmo Deep Dream Parte 2
10
Tarea 9: Aplicar el algoritmo Deep Dream para generar imágenes
11
Tarea 10: Generar el video de Deep Dream

Curso inicial de AWS, S3 y SageMaker

1
¿Qué es AWS y el Cloud Computing?
2
Componentes clave de Machine Learning y un tour por AWS
3
Regiones y zonas de disponibilidad
4
Amazon S3
5
EC2 e Identity and Access Management (IAM)
6
Demostración de cómo usar la versión gratuita de AWS
7
AWS SageMaker
8
Guía Práctica de AWS SageMaker
9
Descripción general de AWS SageMaker Studio
10
Descripción de AWS SageMaker Studio
11
Implementación del modelo de SageMaker

BONUS: Enhorabuena por completar el curso

1
Felicidades por completar la Masterclass en Inteligencia Artificial
2
**TU BONUS ESPECIAL**
4.7
4.7 de 5
Calificaciones 287

Calificación Detallada

5 estrellas
202
4 estrellas
68
3 estrellas
14
2 estrellas
1
1 estrellas
2
92a03658cb54b8090bc66c658873b032
Garantía de devolución de dinero de 30 días

Incluye

24 horas de video a pedido
4 artículos
Acceso completo de por vida
Acceso en el móvil y en la televisión
Certificado de finalización
Masterclass en Inteligencia Artificial: con Proyectos Reales
Precio:
$64.99 $15
bubble_bg_popup.png

Descarga las Herramientas Gratis