Este Programa esta disponible en Modalidad:
Online
FECHAS DE INICIO
DURACIÓN:
Al finalizar el curso el participante estará en la capacidad de:
Desarrollar una Red Neuronal simple en Python y conocer los componentes y procesos clave involucrados en el funcionamiento.
Diseñar, entrenar y evalúar un modelo de Red Neuronal utilizando TensorFlow para una tarea específica de clasificación de imágenes.
Construir y entrenar un modelo de Deep Learning con Keras, optimizando su rendimiento mediante técnicas de ajuste de hiperparámetros.
El curso está dirigido a:
Científicos de datos, ingenieros de datos y profesionales de TI interesados en aplicar redes neuronales profundas con TensorFlow y Keras.
Introducción a Deep Learning
Deep Learning con TensorFlow
Deep Learning con Keras
Registra tus datos para que un asesor especializado pueda ayudarte en todo lo que requieras.
El programa incluye los siguientes beneficios:
Gabriel Céspedes
Chile
Magíster en Ciencia Matemática por la Universidad de Santiago de Chile y Diplomado en Python Profesional por la Pontificia Universidad Católica de Chile. Con experiencia en docencia y programación, ha impartido cursos sobre análisis y minería de datos, algoritmos de machine learning y aplicaciones de Python en ciencia de datos. Experto en bibliotecas como Pandas, Numpy y Matplotlib, domina el desarrollo de data pipelines y la resolución de problemas complejos en diversos contextos, incluido el análisis financiero. Su enfoque combina habilidades técnicas y pedagógicas para capacitar a profesionales en el uso de Python aplicado a la automatización y análisis avanzado en sectores como tecnología y finanzas.
NOTA: No necesariamente todos los expositores mencionados participarán en el dictado del programa o sesiones webinar, asimismo se podrá contar con la participación de otros expositores adicionales a los mencionados.
PAGAR a través de nuestro sitio web, solo tiene que solicitar su código de pago a uno de nuestros asesores.
PAGAR a través de nuestro sitio web con los siguientes medios de pago: