Formación en MATLAB y Simulink

Deep Learning con MATLAB

Vea los horarios e inscríbase

Detalles del curso

Este curso de dos días proporciona una amplia introducción sobre el uso práctico de deep learning con MATLAB®. Los asistentes aprenderán cómo crear, entrenar y evaluar diferentes tipos de redes neuronales profundas. En esta formación dirigida por un instructor, se utilizan GPU NVIDIA para acelerar el entrenamiento de la red.

Temas incluidos:

  • Importación de imágenes y datos secuenciales
  • Uso de las redes neuronales convolucionales para la clasificación de imágenes, regresión y detección de objetos
  • Uso de redes long short-term memory (LSTM) para clasificación de secuencias y predicción
  • Modificación de arquitecturas comunes de redes para resolver problemas específicos
  • Mejora del rendimiento de la red mediante las opciones de entrenamiento
NVIDIA Deep Learning Institute

Deep learning con MATLAB está avalado por NVIDIA's Deep Learning Institute. NVIDIA Deep Learning Institute ofrece formación especializada también basada en GPU. Revise el contenido específico de su industria y los cursos de programación CUDA avanzada.

Día 1 de 2


Transferencia de aprendizaje para clasificación de imágenes

Objetivo: Clasificación de imágenes para redes pre-entrenadas. Utilizar la transferencia de aprendizaje para entrenar redes de clasificación personalizadas.

  • Redes preentrenadas
  • Datastores (almacenes) de imágenes
  • Transferencia de aprendizaje
  • Evaluación de redes

Interpretación del comportamiento de las redes

Objetivo: Obtener información del funcionamiento de la red mediante la visualización de los datos en imágenes según pasan a través de la red. Aplicar esta técnica a diferentes tipos de imágenes.

  • Activaciones
  • Extracción de características para machine learning (aprendizaje automático)

Construcción de redes

Objetivo: Construcción de redes convolucionales desde cero. Entender cómo la información pasa de unas capas a otras y cómo funcionan los diferentes tipos de capas.

  • Entrenamiento desde cero
  • Redes neuronales
  • Capas convolucionales y filtros

Entrenamiento de redes

Objetivo: Entender cómo funcionan los algoritmos de entrenamiento. Configurar las opciones de entrenamiento para monitorizar y controlar el entrenamiento.

  • Entrenamiento de redes
  • Visualización del proceso de entrenamiento
  • Validación

Día 2 de 2


Mejora del rendimiento de la red

Objetivo: Decidir qué modificar e implementarlo usando las opciones de entrenamiento del algoritmo, en la arquitectura de la red o en los datos de entrenamiento, para mejorar el rendimiento de la red.

  • Opciones de entrenamiento
  • Gráficos acíclicos dirigidos
  • Incrementar la cantidad de datos

Regresión de imágenes

Objetivo: Cree redes convolucionales que puedan predecir respuestas numéricas continuas

  • Transferencia de aprendizaje para regresión
  • Evaluación de métricas para redes de regresión

Uso de Deep Learning para visión artificial

Objetivo: Entrenamiento de redes para localizar y etiquetar objetos específicos en imágenes.

  • Flujo de trabajo en una aplicación de imágenes
  • Detección de objetos

Clasificación de datos secuenciales

Objetivo: Construcción y entrenamiento de redes para realizar clasificación en secuencias de datos ordenados, tales como series temporales o datos de sensores.

  • Redes long short-term memory (LSTM)
  • Clasificación de secuencias
  • Preprocesado de secuencias
  • Secuencias categóricas

Generación de secuencias de salida

Objetivo: Utilización de redes recurrentes para crear secuencias de prediciones.

  • Clasificación secuencia a secuencia
  • Predicción de secuencias

Nivel: Intermedio

Duración: 2 días

Idiomas: English, Français, 日本語, 한국어

Vea los horarios e inscríbase