Este curso cubre una serie de prácticas para preparar y trabajar con datos para entrenar y correr sistemas y redes neuronales de IA contemporáneos. Proporciona además técnicas para diseñar y optimizar redes neuronales, incluyendo enfoques para la medición y el ajuste del desempeño de los modelos de redes neuronales. Las prácticas y técnicas están documentadas como patrones de diseño que pueden ser aplicados individualmente o en diferentes combinaciones para abordar una variedad de problemas y requerimientos comunes de los sistemas de IA. Además, los patrones son mapeados a los enfoques de aprendizaje, áreas funcionales y tipos de redes neuronales que se presentaron en el Módulo 11: Fundamentos de Inteligencia Artificial (IA).
Se cubren los siguientes temas principales:
– Data Wrangling Patterns for Preparing Data for Neural Network Input
– Feature Encoding for Converting Categorical Features
– Feature Imputation for Inferring Feature Values
– Feature Scaling for Training Datasets with Broad Features
– Text Representation for Converting Data while Preserving Semantic and Syntactic Properties
– Dimensionality Reduction to Reduce Feature Space for Neural Network Input
– Supervised Learning Patterns for Training Neural Network Models
– Supervised Network Configuration for Establishing the Number of Neurons in Network Layers
– Image Identification for using a Convolutional Neural Network
– Sequence Identification for using a Long Short Term Memory Neural Network
– Unsupervised Learning Patterns for Training Neural Network Models
– Pattern Identification for Visually Identifying Patterns via a Self Organizing Map
– Content Filtering for Generating Recommendations
– Model Evaluation Patterns for Measuring Neural Network Performance
– Training Performance Evaluation for Assessing Neural Network Performance
– Prediction Performance Evaluation for Predicting Neural Network Performance in Production
– Baseline Modeling for Assessing and Comparing Complex Neural Networks
– Model Optimization Patterns for Refining and Adapting Neural Networks
– Overfitting Avoidance for Tuning a Neural Network
– Frequent Model Retraining for Keeping a Neural Network in Synch with Current Data
– Transfer Learning for Accelerating Neural Network Training
Duración: 1 día
Tomar el Curso en un Taller
Este curso se puede tomar como parte de los talleres guiados e impartidos por Instructores Certificados de Arcitura. Estos talleres pueden estar abiertos para registrarse públicamente o pueden ser impartidos de manera privada para una organización en particular. Los Instructores Certificados pueden impartir los talleres en persona en una localidad específica o virtualmente utilizando un sistema remoto habilitado para video, como puede ser WebEx.
Visite la página del Calendario de Talleres para consultar el calendario actual de talleres públicos.
Visite la página de Capacitación Privada para obtener más información sobre las opciones de impartición de talleres privados que ofrece Arcitura en todo el mundo.
Tomar el Curso usando un Kit de Estudio Electrónico
Este curso puede ser completado por medio del autoestudio al adquirir una suscripción para kit de Estudio Electrónico, la cual incluye lecciones de video en línea, así como acceso en línea y offline a los materiales electrónicos del curso y a materiales y recursos adicionales diseñados para el autoestudio y la preparación de exámenes.
Visite la página de Kits de Estudio Electrónico para obtener más información sobre las suscripciones a material en línea.
Visite la tienda en línea de Transformación Digital para obtener información sobre compras.
Tomar el Curso usando un Kit de Estudio Impreso
Este curso puede ser completado por medio del autoestudio al adquirir un kit de estudio impreso, el cual incluye los materiales del curso a todo color, así como materiales y recursos adicionales diseñados específicamente para el autoestudio y la preparación de exámenes.
Visite la página de Kits de Estudio Impresos para obtener más información sobre los kits de estudio impresos a todo color.
Visite la tienda en línea de Transformación Digital para obtener información sobre compras.
Certificaciones
Este curso es parte de la(s) siguiente(s) ruta(s) de certificación:
– Científico de Datos de Transformación Digital