К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Deep Learning: Del Concepto a la Práctica · LearnSpace
Назад в каталог
courseraАнализ данных

Deep Learning: Del Concepto a la Práctica

Курс от Universidades Anáhuac
Начальный≈ 88.7 чИспанский
О курсеНавыкиПрограммаПреподаватели

О курсе

El curso "Deep Learning" ofrece una introducción práctica a las redes neuronales artificiales y su aplicación en diversas áreas como el reconocimiento de dígitos manuscritos, detección de cáncer y generación de texto. Utilizando TensorFlow y Keras, los participantes aprenderán a construir y entrenar modelos de redes neuronales, incluyendo CNN y RNN, a través de ejemplos y ejercicios prácticos.

Навыки, которые вы освоите

Artificial Neural NetworksDeep LearningConvolutional Neural NetworksKeras (Neural Network Library)TensorflowImage AnalysisRecurrent Neural Networks (RNNs)Model TrainingModel DeploymentComputer VisionApplied Machine Learning

Программа курса

4 модулей · 79 учебных материалов

011. Introducción a Deep Learning25 материалов

Bienvenido a la semana 1

Introducción semana 1ВидеоInformación de la semanaЧтение

¿Qué es una red neuronal artificial?

Las redes neuronales artificiales: AntecedentesВидеоCuestionario: Antecedentes de las redes neuronales

Учитесь у экспертов

Eduardo Rodríguez del Angel

Преподаватель курса

Jorge Alberto Cerecedo Cordoba

Преподаватель курса

Deep Learning: Del Concepto a la Práctica
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 88.7 ч

4 модулей

Язык: Испанский

Часть программы вашего университета
Задание
Redes neuronales artificiales: BásicoВидео
Cuestionario: Fundamentos de las redes neuronales artificialesЗадание

Componentes, estructura y aprendizaje de las NN

NN en Python para emular la función XORВидеоCuestionario 3: NN en Python para emular la función XORЗаданиеCapas y componentes de una NNВидеоCuestionario 4: Capas y componentes de una NNЗаданиеProcesamiento de datos: Feed-ForwardВидеоCuestionario 5: Procesamiento de datos: Feed-ForwardЗаданиеProcesamiento de datos: Backward-PropagationВидеоCuestionario 6: Procesamiento de datos: Backward PropagationЗадание

Programando una NN: Reconocimiento de dígitos manuscritos

Limpieza de datosВидеоCuestionario 7: Limpieza de datosЗаданиеPreparación de datosВидеоCuestionario 8: Preparación de datosЗаданиеDefinición de pesos y variables con la función FeedForwardВидеоCuestionario 9: Definición de pesos y variables con función FeedForwardЗаданиеFunción Backdrop y generación de NNВидеоCuestionario 10: Función Backprop y generación de NNЗаданиеVisualización e interpretación de salidasВидеоCuestionario 11: Visualización e interpretación de salidasЗаданиеCierre de semana 1Видео
022. Redes Neuronales con TensorFlow y Keras18 материалов

Bienvenido a la semana 2

Introducción a la semana 2ВидеоContenido de la semanaЧтение

Introducción a Tensorflow y Keras

Tensorflow y su importanciaВидеоCuestionario 12: TensorFlow y su importanciaЗаданиеTensoresВидеоCuestionario 13: TensoresЗаданиеInstalación de Tensorflow y KerasВидеоObservaciónЧтениеProbando la instalación con la función XORВидеоCuestionario 14: Probando la instalaciónЗадание

Detección de dígitos manuscritos con Keras

Dígitos manuscritos con Keras: Limpieza de datosВидеоDígitos manuscritos con Keras: Construyendo y entrenando la NNВидеоCuestionario 15: Construyendo y entrenando la NNЗаданиеDígitos manuscritos con Keras: Evaluación de la red neuronalВидеоCuestionario 16: Evaluación de la red neuronalЗадание

Detección de cáncer de mama con Keras

Detección de cáncer de mama con NNВидеоCuestionario 17: Detección de cáncer de mama con NNЗаданиеCierre de la semana 2Видео
033. Redes Neuronales Convolucionales23 материалов

Bienvenido a la semana 3

Introducción a la semana 3ВидеоContenido de la semanaЧтение

Introducción a las redes neuronales convolucionales (CNN)

Redes neuronales convolucionalesВидеоCuestionario 18: Redes neuronales convolucionalesЗаданиеConvoluciónВидеоCuestionario 19: ConvoluciónЗаданиеFiltrosВидеоCuestionario 20: FiltrosЗаданиеCapa de convoluciónВидеоCuestionario 21: Capa de convoluciónЗаданиеCapa de agrupaciónВидеоCuestionario 22: Capa de agrupaciónЗадание

CNN para reconocer términos manuscritos

Limpieza de datosВидеоConstruyendo y entrenando la NNВидеоCuestionario 23: Construyendo y entrenando la NNЗаданиеEvaluación de la NNВидео

CNN para reconocer lenguaje de señas

Limpieza de datosВидеоConstruyendo y entrenando la NNВидеоCuestionario 24: Construyendo y entrenando la NNЗаданиеPrueba y evaluación de la redВидео

Guardar, cargar y compartir las redes neuronales

Guardar, cargar y compartir las redes neuronalesВидеоCuestionario 25: Guardar, cargar y compartir las NNЗаданиеCierre de semana 3Видео
044. Deep Learning y generación de texto13 материалов

Bienvenido a la semana 4

Introducción a la semana 4ВидеоContenido de la semanaЧтение

Redes neuronales recurrentes y LSTM

¿Qué es una red neuronal recurrente?ВидеоCuestionario 26: ¿Qué es una red neuronal recurrente?Задание¿Qué es una red neuronal de corto y largo plazo?ВидеоCuestionario 27: ¿Qué es una red neuronal de corto y largo plazo?Задание

Generación de texto con redes neuronales recurrentes y LSTM

Generación de texto: Exploración de datosВидеоGeneración de texto: Preparación de datosВидеоGeneración de texto: Construcción de modeloВидеоGeneración de textoВидеоCierre de semana 4Видео

Cierre final

Raw HTMLЧтениеCierre del cursoЧтение