Deep Learning con MATLAB
Vea los horarios e inscríbaseDetalles del curso
- Importar datos de imágenes y secuencias
- Usar redes neuronales convolucionales para la clasificación de imágenes, la regresión y otras aplicaciones con imágenes
- Usar redes de memoria a corto-largo plazo para la clasificación de secuencias y la predicción
- Modificar arquitecturas de redes habituales para solucionar problemas de personalización
- Aumentar el rendimiento de una red modificando las opciones de entrenamiento
![NVIDIA Deep Learning Institute](https://la.mathworks.com/learn/training/deep-learning-with-matlab/_jcr_content/mainParsys/panel/panelParsys/columns_copy/45cd702a-2a3d-4224-8a01-a28b1374bf06/image.adapt.full.medium.png/1732681478340.png)
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 del aprendizaje para la clasificación de imágenes
Objetivo: Realice la clasificación de imágenes mediante redes previamente entrenadas. Use la transferencia del aprendizaje para entrenar redes de clasificación personalizadas.
- Redes previamente entrenadas
- Almacenes de datos de imágenes
- Transferencia del aprendizaje
- Evaluación de la red
Interpretar el comportamiento de la red
Objetivo: Obtenga información sobre cómo funciona una red visualizando los datos de la imagen a medida que pasa a través de la red. Aplique esta técnica a diferentes tipos de imágenes.
- Activaciones
- Extracción de características para machine learning
Crear redes
Objetivo: Cree redes convolucionales desde cero. Aprenda cómo se transmite la información entre las capas de la red y cómo funcionan los diferentes tipos de capas.
- Entrenamiento desde cero
- Redes neuronales
- Capas y filtros de convolución
Día 2 de 2
Entrenamiento de una red y mejora del rendimiento
Objetivo: Aprenda cómo funcionan los algoritmos de entrenamiento. Defina las opciones de entrenamiento para supervisar y controlar el entrenamiento. Elija e implemente modificaciones en las opciones del algoritmo de entrenamiento, la arquitectura de la red o los datos de entrenamiento para aumentar el rendimiento de la red.
- Entrenamiento de la red
- Gráficas de progreso del entrenamiento
- Validación
- Opciones de entrenamiento
- Grafos acíclicos dirigidos
- Almacenes de datos ampliados
Realizar la regresión de una imagen
Objetivo: Cree redes convolucionales que puedan predecir respuestas numéricas continuas.
- Transferencia del aprendizaje para la regresión
- Métricas de evaluación para redes de regresión
Usar deep learning para visión artificial
Objetivo: Entrene redes para localizar y etiquetar objetos específicos en las imágenes.
- Flujo de trabajo de la aplicación de imágenes
- Segmentación semántica
Clasificación y predicción de datos de secuencias
Objetivo: Cree y entrene redes para realizar la clasificación en secuencias ordenadas de datos, como series temporales o datos de sensores. Use redes recurrentes para crear secuencias de predicciones.
- Redes de memoria a corto-largo plazo
- Clasificación de secuencias
- Preprocesamiento de secuencias
- Predicción de secuencias
Nivel: Intermedio
Prerrequisitos:
Duración: 2 días
Idiomas: English, 中文, 日本語
Otras formas de aprender
Los temas de este curso también están disponibles como formación online a su ritmo.
Más información