📘 Descripción

Explora PyTorch en profundidad para construir, entrenar y optimizar redes neuronales en Python. Aprenderás a crear modelos para clasificación, regresión, visión por computador y secuencias, aplicando buenas prácticas de entrenamiento y despliegue.

Requisitos recomendados: bases de Python y nociones de ML. Como preparación, se sugiere Machine Learning con Python.

🧭 Contenidos del Curso

• Módulo I. Fundamentos de Deep Learning: entorno (Jupyter/Colab), introducción a PyTorch vs. TF, primeros tensores y autograd.
• Módulo II. Redes Neuronales Profundas: construcción de modelos, clasificación binaria/multiclase y regresión; integración con scikit-learn.
• Módulo III. Conceptos Avanzados: guardado/checkpoints, funciones de activación y pérdida, regularización, dropout y planificación del learning rate.
• Módulo IV. Redes Convolucionales (CNNs): operaciones de convolución/pooling, data augmentation, visualización de feature maps y proyectos de visión.
• Módulo V. Redes Recurrentes (RNN/LSTM): secuencias, series temporales, aplicaciones básicas a PLN y proyecto de generación de texto.