Diplomado en Fundamentos y Aplicaciones de Deep Learning

Descripción
Intensidad horaria
120 horas
Sede
Campus Fraternidad
Lugar o aula
Lunes: Laboratorio Bloque O2; Miércoles: Aula M-109; Sábados: Laboratorio Bloque O2
Tipo de programa
Diplomados

Diplomado en Fundamentos y Aplicaciones de Deep Learning

Objetivo general

Proporcionar una formación completa en los fundamentos y uso de las herramientas de Deep Learning, así como los algoritmos, librerías y lenguajes de programación más utilizados en esta disciplina (Python, Tensorflow).

Programación

Grupo 1: del 24 de febrero al 16 de mayo de 2020. Lunes y miércoles de 6:00 p.m. a 10:00 p.m. y sábados de 8:00 a.m. a 12:00 m. *

Grupo 2: del 3 de agosto al 14 de octubre los días lunes y miércoles de 6 a 10pm y sábados de 8 a 12

*Programación sujeta a cambios, de acuerdo con el número de participantes inscritos

Dirigido a

Estudiantes en formación o egresados no graduados de los programas de Ingeniería Electrónica, telecomunicaciones y sistemas. Empresas del sector industrial, software y otros.

*Sirve para homologar trabajo ingeniería en electrónica, telecomunicaciones o  sistemas

Contenido

Fundamentos de procesamiento de datos no estructurados

  • Datos estructurados y no estructurados
  • Señales 1D, 2D
  • Filtros digitales
  • Convolución
  • Extracción de características y clasificación

Introducción a las redes neuronales

  • Regresión logística
  • Perceptrón simple
  • Red Adaline
  • Regla delta de aprendizaje
  • Implementación y aplicaciones

Introducción a las redes neuronales profundas

  • Perceptrón multicapa
  • Descenso del gradiente
  • Descenso del gradiente con momento
  • Funciones de activación: sigmoidal, relu, leacky relu,  tanh
  • BackPropagation
  • Learning rate decay
  • Regularización, Dropout
  • Técnicas de optimización
  • Normalización
  • Implementación en Python
  • Aplicaciones audio, video y otras señales

Redes Neuronales Convolucionales CNN

  • Filtro convolucional
  • Stride, Padding, Pooling
  • Forward CNN
  • Backward CNN
  • Implementación en Python
  • Mini-batch, epoch
  • Implementación en TensorFlow
  • Diferentes arquitecturas de redes neuronales profundas

Redes Neuronales Recurrentes RNN

  • Tipos de RNN
  • Redes GRU – Gated Recurrent Unit
  • Redes LSTM – Long Short Term Memory
  • Implementación en Tensorflow

Casos de Estudio

  • Transferencia del aprendizaje
  • Clasificación, detección y segmentación
  • Aplicación en detección de personas en videos
  • Aplicación de reconocimiento del habla

Proyecto final

Inversión

  • Público general: $ 1,350,000
  • Comunidad ITM (estudiantes, egresados, empleados, docentes): $ 1,012,500
  • Empleados adscritos al Municipio de Medellín y Comunidad Sinergia: $ 1,188,000
  • Grupos iguales o mayores a 5 personas: $ 1,282,500

Mayores Informes

Dirección Operativa de Extensión Académica

Teléfono: (574) 440 51 00 Opción 9 Ext. 5221

Correo electrónico: extensionacademica@itm.edu.co

Centro de Investigación y Extensión

Teléfono: (574) 440 51 00 Opción 9 Ext. 5396 – 3232 – 5561

Correo electrónico: centrodeinvestigacionyextension@itm.edu.co

Nota

*La apertura de los cursos y/o diplomados en los días y horarios establecidos está sujeta al logro del cupo mínimo de estudiantes necesarios que la Dirección de Extensión Académica establece para cada curso. Ni la publicación de esta oferta, ni el pago de matrícula por parte del interesado, obliga al Instituto Tecnológico Metropolitano – ITM a abrir los cursos y/o  sin el cupo mínimo exigido.

 *Los programas de Educación Continua se certificarán por la Dirección de Extensión Académica del ITM, a quienes asistan como mínimo al 85% del mismo.

Solicitud de trámite de devolución de dinero

IMPORTANTE: el ITM realizará la devolución del dinero pagado por un curso, siempre y cuando se cumplan los siguientes requisitos:

  • Que el participante lo solicite antes de iniciar el programa de Educación Continua.
  • Que el ITM cancele el curso de Educación Continua por no alcanzar el mínimo de participantes o realice alguna modificación en la programación (horarios o sede) del mismo, que no permita la asistencia del usuario.

La solicitud de devolución de dinero deberá tramitarse en el formato FGF123; esta deberá ser entregada en el área de cartera o enviada a los correos auraosorio@itm.edu.co y carteraitm@itm.edu.co. Se informará la respuesta luego de 15 días hábiles. Descargar Formato FGF123 para la devolución de dinero.