Curso Inteligencia Artificial Optimizer con Certificación Tensorflow del centro CEPI BASE Informática

Descripción

El curso abarca tecnologías como Python 3.X, TensorFlow y Keras para redes neuronales, Pandas y NumPy para manipulación de datos, y Matplotlib y Seaborn para visualización. También se tratará el uso de TensorFlow Serving para despliegue de modelos y Flask o FastAPI para integración mediante APIs. Además, se explorarán soluciones en la nube como Google Cloud AI Platform y Azure Machine Learning para entrenamiento y despliegue.

A quién va dirigido

Este programa está dirigido a personas interesadas en Inteligencia Artificial.

Objetivos

El objetivo del programa es capacitar a los alumnos para que aprendan a desarrollar sistemas basados en redes neuronales avanzadas y Machine Learning en la nube utilizando TensorFlow. A lo largo del curso, los estudiantes adquirirán las habilidades necesarias para crear, entrenar y evaluar modelos de deep learning, optimizarlos y ajustar sus hiperparámetros. Además, aplicarán estas técnicas en tareas como clasificación de imágenes, procesamiento de lenguaje natural (NLP) y análisis de datos estructurados.

Temario

MÓDULO 1: REDES NEURONALES AVANZADAS CON TENSORFLOW

•  INTRODUCCIÓN A DEEP LEARNING Y TENSORFLOW.
•  REDES NEURONALES ARTIFICIALES (ANN): PERCEPTRÓN MULTICAPA (MLP) Y RETROPROPAGACIÓN.
•  REDES CONVOLUCIONALES (CNN) PARA CLASIFICACIÓN DE IMÁGENES.
•  REDES RECURRENTES (RNN, LSTM, GRU) PARA PROCESAMIENTO SECUENCIAL.
•  INTRODUCCIÓN A TRANSFORMERS Y SU APLICACIÓN EN NLP.
•  OPTIMIZACIÓN DE MODELOS: BATCH NORMALIZATION, DROPOUT, REGULARIZACIÓN.
•  AJUSTE DE HIPERPARÁMETROS EN TENSORFLOW. PRÁCTICA: IMPLEMENTACIÓN DE UNA CNN PARA
• CLASIFICACIÓN DE IMÁGENES CON TENSORFLOW. PRÁCTICA: APLICACIÓN DE RNN/LSTM PARA
• PREDICCIÓN DE SERIES TEMPORALES.
•  PRÁCTICA: USO DE MODELOS TRANSFORMERS PARA NLP CON TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 2: OPTIMIZACIÓN Y AJUSTE DE MODELOS DEEP LEARNING

•  FUNDAMENTOS DE OPTIMIZACIÓN DE MODELOS DL. AJUSTE DE HIPERPARÁMETROS CON GRID SEARCH Y
• RANDOM SEARCH.
•  OPTIMIZACIÓN BAYESIANA Y ESTRATEGIAS AVANZADAS. TRANSFER LEARNING Y FINE-TUNING CON MODELOS
• PREENTRENADOS (RESNET, BERT).
•  DATA AUGMENTATION Y MEJORA DE GENERALIZACIÓN EN MODELOS.
•  PRÁCTICA: OPTIMIZACIÓN DE HIPERPARÁMETROS EN MODELOS DE TENSORFLOW.
•  PRÁCTICA: TRANSFER LEARNING CON MODELOS PREENTRENADOS.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 3: RESPONSIBLE AI Y EXPLICABILIDAD EN MODELOS DL

•  SESGOS EN DATOS Y ALGORITMOS DE DEEP LEARNING. TRANSPARENCIA Y EXPLICABILIDAD EN IA.
•  INTERPRETABILIDAD DE MODELOS CON SHAP Y LIME. CONSIDERACIONES ÉTICAS EN LA IA MODERNA.
•  PRÁCTICA: ANÁLISIS DE SESGOS EN MODELOS DE DEEP LEARNING.
•  PRÁCTICA: IMPLEMENTACIÓN DE TÉCNICAS DE EXPLICABILIDAD EN MODELOS TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 4: IMPLEMENTACIÓN DE MODELOS CON TENSORFLOW

•  IMPLEMENTACIÓN DE MODELOS EN TENSORFLOW DESDE CERO.
•  USO DE KERAS PARA SIMPLIFICAR LA CREACIÓN DE MODELOS DL.
•  AJUSTE DE ARQUITECTURAS NEURONALES PARA MEJORAR EL RENDIMIENTO.
•  USO DE TENSORFLOW SERVING PARA DESPLIEGUE DE MODELOS EN PRODUCCIÓN.
•  INTEGRACIÓN DE MODELOS CON APIS Y APLICACIONES REALES.
•  PRÁCTICA: IMPLEMENTACIÓN DE MODELOS CNN PARA CLASIFICACIÓN DE IMÁGENES.
•  PRÁCTICA: CREACIÓN DE MODELOS DE NLP CON TRANSFORMERS EN TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 5: VISUALIZACIÓN E INTERPRETACIÓN DE MODELOS DL

•  INTRODUCCIÓN A HERRAMIENTAS DE VISUALIZACIÓN EN DEEP LEARNING.
•  ANÁLISIS DE MÉTRICAS: MATRIZ DE CONFUSIÓN, PRECISION-RECALL, ROC.
•  PRÁCTICA: CREACIÓN DE GRÁFICOS PARA ANÁLISIS DE MODELOS EN TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 6: DESPLIEGUE DE MODELOS EN ENTORNOS CLOUD Y EDGE

•  INTRODUCCIÓN A TENSORFLOW SERVING Y TENSORFLOW LITE.
•  DESPLIEGUE DE MODELOS EN GOOGLE CLOUD AI PLATFORM.
•  IMPLEMENTACIÓN DE MODELOS EN DISPOSITIVOS MÓVILES Y EDGE COMPUTING.
•  OPTIMIZACIÓN DE MODELOS PARA ENTORNOS DE BAJA LATENCIA.
•  PRÁCTICA: DESPLIEGUE DE MODELOS EN GOOGLE CLOUD AI.
•  PRÁCTICA: CONVERSIÓN DE MODELOS PARA EJECUCIÓN EN DISPOSITIVOS MÓVILES.
•  EVALUACIÓN TEÓRICO / PRÁCTICA. MÓDULO 7: PREPARACIÓN CERTIFICACIÓN TENSORFLOW
•  SIMULACIÓN DE EXAMEN.
•  REVISIÓN Y REPASO DE CONCEPTOS CLAVE. CERTIFICACIÓN.

Titulación obtenida

Curso Inteligencia Artificial Optimizer con Certificación Tensorflow.

Requisitos

Para acceder al programa, es necesario contar con conocimientos en programación en el lenguaje Python. Además, se recomienda tener nociones básicas de SQL.

Información Adicional

El formato de impartición es mixto, con sesiones presenciales en Barcelona y Aula Virtual en nuestra plataforma propia.

Horarios:

• Jueves aula virtual de 16:30 a 20:30
• Viernes presencial de 17:00 a 20:00
• Sábado: aula virtual-workshop de 10:00 a 13:00

Fecha inicio: septiembre 2025 - Fecha Fin: diciembre 2025 - Plazas y convocatorias limitadas.

Otros cursos

• Curso de Gestión Empresarial Informatizada
• Curso de WordPress
• Curso de creación de sitios web con tienda online
• Curso de diseño gráfico
• Curso de especialista diseño páginas web