Formación en MATLAB y Simulink

Deep Learning con MATLAB

Vea los horarios e inscríbase

Detalles del curso

Este curso de dos días ofrece una introducción completa a la práctica del deep learning con MATLAB®. Los participantes aprenderán a crear, entrenar y evaluar diferentes tipos de redes neuronales profundas. En la formación con instructor, se utilizan GPU NVIDIA para acelerar el entrenamiento de la red. Temas incluidos:
 
  • 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 de corto-largo plazo para la clasificación de secuencias y la previsión
  • 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

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. Comprenda 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: Comprenda 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
  • Gráficos acíclicos dirigidos
  • Almacenes de datos aumentados

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 la visión artificial

Objetivo: Entrene redes para localizar y etiquetar objetos específicos en las imágenes.

  • Flujo de trabajo de la aplicación de imágenes
  • Detección de objetos

Clasificación y generación de datos de secuencia

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 de corto-largo plazo
  • Clasificación de secuencias
  • Preprocesamiento de secuencias
  • Secuencias categóricas
  • Clasificación de secuencia a secuencia
  • Previsión de secuencias

Nivel: Intermedio

Prerrequisitos:

Duración: 2 días

Idiomas: English, 日本語, 한국어, 中文

Vea los horarios e inscríbase