Datos, machine learning y deep learning
Curso de deep learning con PyTorch
Entiende y construye redes neuronales modernas, de los tensores a los transformers.
Detrás de los modelos de lenguaje, la visión por computador y casi toda la IA moderna hay redes neuronales profundas. PyTorch es el framework de referencia para construirlas, tanto en investigación como en la industria.
Este curso enseña deep learning entendiendo lo que pasa por dentro: tensores y autograd, el bucle de entrenamiento, cómo diagnosticar problemas, redes convolucionales y, como plato fuerte, la arquitectura transformer construida desde cero hasta llegar a un pequeño modelo de lenguaje propio. Después usamos modelos preentrenados para resolver problemas reales con transfer learning y terminamos desplegando el modelo.
Es un curso intensivo y práctico, con código en cada sesión.
Qué aprenderás
- Dominar los fundamentos de PyTorch y el entrenamiento de redes neuronales
- Construir y entrenar redes convolucionales y transformers
- Aplicar transfer learning con modelos preentrenados
- Diagnosticar y mejorar el entrenamiento
- Exportar y desplegar modelos
Temario
9 módulos, de los fundamentos al proyecto final.
-
Fundamentos de PyTorch
- Tensores, operaciones y GPU
- Diferenciación automática (autograd)
- Datasets y DataLoaders
-
Redes neuronales
- Perceptrón multicapa y funciones de activación
- Funciones de pérdida y optimizadores
- El bucle de entrenamiento paso a paso
-
Entrenar bien
- Sobreajuste, regularización y dropout
- Normalización, tasa de aprendizaje y planificadores
- Seguimiento de experimentos
-
Visión con redes convolucionales
- Convoluciones y arquitecturas clásicas (ResNet)
- Aumento de datos
- Clasificación de imágenes
-
Secuencias y atención
- Embeddings y redes recurrentes
- El mecanismo de atención
-
Transformers
- Arquitectura transformer desde cero
- Un pequeño modelo de lenguaje propio
- Modelos preentrenados con Hugging Face
-
Transfer learning
- Ajuste fino de modelos de visión y de texto
- Congelar capas y adaptar la cabeza
-
Rendimiento
- Precisión mixta y torch.compile
- Entrenamiento en varias GPU (introducción)
-
Despliegue
- Guardar y cargar modelos
- Exportar a ONNX
- Servir un modelo con una API
Herramientas con las que practicarás
- Python
- PyTorch
- torchvision
- Hugging Face Transformers
- Jupyter o Google Colab
- ONNX
Proyecto práctico
Entrenas y despliegas un modelo de deep learning sobre un problema real de visión o de texto, comparando un modelo propio con el ajuste fino de un modelo preentrenado, y lo publicas tras una API sencilla.
Requisitos
- Python con soltura y conocimientos de machine learning (equivalente al curso de machine learning con Python).
- Nociones de álgebra lineal y cálculo recomendables.
- Acceso a GPU (se facilitan alternativas en la nube).
Otros cursos
-
Curso de fine-tuning de modelos de lenguaje
Adapta un modelo de lenguaje a tu dominio, tu tono o tu tarea, con criterio y método.
- Duración: 16 horas
- Nivel: Avanzado
-
Curso de IA aplicada a análisis de datos (sin data science)
Obtén conclusiones de tus datos con IA, aunque no seas data scientist.
- Duración: 8 horas
- Nivel: Inicial
-
Curso de machine learning con Python
Modelos predictivos de verdad, desde los datos hasta la evaluación y la interpretación.
- Duración: 24 horas
- Nivel: Intermedio
¿Quieres este curso para tu equipo?
Adaptamos el contenido, la duración y la modalidad a tu empresa.