Redes neuronales avanzadas y Deep Learning con Python

Autonomía: Determinar cuándo se deben escalar los problemas a un nivel superior.

Influencia: Interactuar e influir en sus colegas.

Complejidad: Realizar una gama de tareas, a veces complejas y no rutinarias, en una variedad de entornos.

Habilidad: Identificar los fundamentos teóricos, elementos de arquitectura y operaciones base de las redes convolucionales y recurrentes para el diseño conceptual de modelos de Deep Learning.

Habilidad: Explicar las técnicas de regularización, algoritmos de optimización avanzada y estrategias de validación cruzada para mitigar el sobreajuste y evaluar el desempeño del modelo.

Habilidad: Aplicar arquitecturas convolucionales y recurrentes en Python para la resolución de problemas aplicados de visión por computadora, análisis de secuencias y su posterior despliegue productivo.

Aprovechamiento: 16 horas lectivas más 29 horas de trabajo extraclase, para un total de 45 horas, que corresponden a 1 crédito.

Evaluación: Aprobar el curso con un promedio mayor o igual a 70 en la calificación final.