Saltar al contenido

Construyendo modelos de aprendizaje profundo usando PyTorch

Descripción

PyTorch es un marco de trabajo de código abierto y aprendizaje profundo que es una alternativa popular a TensorFlow y Apache MXNet. Las APIs de PyTorch siguen un enfoque nativo de Python que, junto con la ejecución de gráficos dinámicos, hacen que sea muy intuitivo trabajar con él para los desarrolladores de Python y los científicos de datos.

Construyendo modelos de aprendizaje profundo usando PyTorch
Construyendo modelos de aprendizaje profundo usando PyTorch

En este curso, Construyendo Modelos de Aprendizaje Profundo Usando PyTorch, aprenderás a trabajar con PyTorch y todas las librerías que tiene para ofrecer, desde los primeros principios – empezando con los tensores de Torch, los gráficos de cálculo dinámico, y la librería de auto-graduación, hasta el cálculo de gradientes.

Empezarás por entender los fundamentos del entrenamiento de una red neuronal, los pases hacia adelante y hacia atrás, y el cálculo de gradientes. Usarás estos conceptos para construir redes neuronales simples para predecir los precios de los automóviles, así como quién sobrevivió y quién no en el Titanic.

A continuación, pasará a la clasificación de imágenes utilizando redes neuronales convolucionales; estudiará el papel de las capas convolucionales y de agrupación y la estructura básica de una CNN, y luego construirá una CNN para clasificar las imágenes del conjunto de datos de Cifar-10. También verás cómo puedes aprovechar el poder del aprendizaje de la transferencia usando modelos pre-entrenados para la clasificación de imágenes.

Finalmente, trabajarás con redes neuronales recurrentes para datos de secuencia, viendo cómo la ejecución de gráficos de cálculo dinámico en PyTorch hace que la construcción de RNNs sea muy sencilla. Usarás RNNs con células de larga memoria para predecir el género usando nombres de bebés.

Al final de este curso, se sentirá cómodo utilizando las bibliotecas y APIs de PyTorch para aprovechar los modelos pre-entrenados que ofrece PyTorch y también para construir su propio modelo personalizado para su caso de uso específico.