Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introduction to Pre-trained Models
- ¿Qué son los modelos preentrenados?
- Ventajas de usar modelos previamente entrenados
- Descripción general de modelos preentrenados populares (por ejemplo, BERT, ResNet)
Descripción de las arquitecturas de modelos previamente entrenadas
- Conceptos básicos de la arquitectura de modelos
- Transferir el aprendizaje y afinar conceptos
- Cómo se crean y entrenan los modelos previamente entrenados
Configuración del entorno
- Instalación y configuración de Python y bibliotecas relevantes
- Exploración de repositorios de modelos previamente entrenados (por ejemplo, Hugging Face)
- Carga y prueba de modelos previamente entrenados
Manos a la obra con modelos preentrenados
- Uso de modelos previamente entrenados para la clasificación de texto
- Aplicación de modelos previamente entrenados a tareas de reconocimiento de imágenes
- Ajuste de modelos previamente entrenados para conjuntos de datos personalizados
Implementación de modelos previamente entrenados
- Exportación y almacenamiento de modelos ajustados
- Integración de modelos en aplicaciones
- Conceptos básicos de implementación de modelos en producción
Desafíos y mejores prácticas
- Descripción de las limitaciones del modelo
- Evitar el sobreajuste durante la puesta a punto
- Garantizar el uso ético de los modelos de IA
Tendencias futuras en modelos preentrenados
- Arquitecturas emergentes y sus aplicaciones
- Avances en el aprendizaje por transferencia
- Exploración de modelos de lenguaje grandes y modelos multimodales
Resumen y próximos pasos
Requerimientos
- Comprensión básica de los conceptos de aprendizaje automático
- Familiaridad con Python la programación
- Conocimientos básicos de manejo de datos utilizando librerías como Pandas
Audiencia
- Científicos de datos
- Entusiastas de la IA
14 Horas
