Curso de Deep Learning de la A a la Z y crea algoritmos en Python - Frogames Formación

- Introducción a las redes neuronales y al Deep Learning
- Fundamentos matemáticos para el Deep Learning
- Uso de frameworks populares, como TensorFlow y PyTorch
- Entrenamiento de modelos de Deep Learning
- Redes convolucionales y su aplicación en imágenes
- Redes recurrentes y su aplicación en texto y voz
- Redes generativas y su aplicación en la generación de imágenes y texto
- Desarrollo de proyectos de Deep Learning desde cero

```Python
# Ejemplo de algoritmo para clasificar imágenes con una red neuronal convolucional utilizando TensorFlow
import tensorflow as tf

# Cargar conjunto de datos de entrenamiento y prueba
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# Normalizar imágenes
x_train = x_train.astype("float32") / 255
x_test = x_test.astype("float32") / 255

# Convertir etiquetas a formato one-hot
y_train = tf.keras.utils.to_categorical(y_train)
y_test = tf.keras.utils.to_categorical(y_test)

# Crear modelo
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Conv2D(32, kernel_size=(3, 3), activation="relu", input_shape=(28, 28, 1)))
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2)))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(10, activation="softmax"))

# Compilar modelo
model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])

# Entrenar modelo
model.fit(x_train.reshape(-1, 28, 28, 1), y_train, epochs=5, validation_data=(x_test.reshape(-1, 28, 28, 1), y_test))

# Evaluar modelo
model.evaluate(x_test.reshape(-1, 28, 28, 1), y_test)
```

¡Bienvenido al curso de Deep Learning de la A a la Z!
(44:39) Materiales y Updates del Curso
(49:37)

---

Parte 1: Redes Neuronales Artificiales

(00:00) Idea de las Redes Neuronales Artificiales
(1:47:21) Construir una Red Neuronal Artificial
(1:46:15) Reto Final: ¿Deberíamos despedirnos de ese cliente?
(21:19) Evaluar, Mejorar y Ajustar la RNA
(1:00:52) Reto Final: A por la medalla de oro del podio
(00:00)

---

Parte 2: RNC

(00:00) Idea de las RNC
(2:00:13) Construir una RNC
(1:42:33) Reto final - ¿Qué animal es ese?
(16:04) Evaluar, Mejorar y Ajustar la RNC
(00:00)

---

Parte 3: RNR

(00:00) Idea de las RNR
(1:43:11) Construir una RNR
(2:44:50)

---

Parte 4: SOM

(00:00) Idea de los SOM
(2:00:37) Construir un SOM
(1:15:21) Mega Caso de Estudio
(45:17)

---

Parte 5: BM

(00:00) Idea de las Máquinas de Boltzmann
(1:48:12) Construir una Máquina de Boltzmann
(3:43:33)

---

Parte 6: AE

(00:00) Idea de los Auto Encoders
(1:02:37) Construir un Auto Encoder
(2:56:57) Conceptos Básicos del Aprendizaje Automático
(00:00) Idea de la Regresión y la Clasificación
(37:50) Plantilla de Preprocesado de Datos
(2:00:47) Plantilla de Clasificación
(48:25) BONUS: Extras exclusivos por adquirir el curso en Frogames
(17:57) Enhorabuena por completar Deep Learning de la A a la Z
(03:14)