Descubre cómo construir modelos capaces de identificar objetos, personas, emociones y todas las posibles aplicaciones utilizando Deep Learning sobre imágenes y video.

Estudiaremos en profundidad la ciencia detrás de los coches y robots autónomos, etiquetado inteligente de fotografías o cámaras de seguridad inteligentes.

• Modelos para clasificación y segmentación de imágenes
• Aplicaciones y modelos de la visión artificial
• Bases de datos y modelos disponibles para su integración

Algunos ejemplos del portfolio de casos prácticos:

• Segmentación y detección de peatones y obstáculos desde la cámara de un coche autónomo
• Creación de un modelo de diagnostico asistido a partir de imágenes médicas

En este módulo exploraremos cómo la Inteligencia Artificial es capaz de entender y manipular el lenguaje humano. Exploraremos las distintas capacidades del Aprendizaje Profundo al lenguaje natural y pondremos en práctica estos conocimientos con ejemplos reales similares a los que ya podemos ver en productos de última generación.

• Aplicaciones y fundamentos del Procesamiento de Lenguaje Natural
• Modelos para la transcripción de audio a texto
• Modelos para el análisis semántico de texto, detección de sentimiento o entidades
• Modelos para generación de sentencias y diálogo
• Ecosistema tecnológico de soluciones, Keras/TensorFlow, HugginFace, BERT, GPT-3

Algunos ejemplos del portfolio de casos prácticos:

• Creación de una arquitectura de asistente virtual automatizado para un call center, generación de diálogos y sentencias
• Análisis automatizado del sentimiento sobre una marca a través de twitter
• Creación de un modelo que aprenda a escribir fake-news de manera autónoma

El Aprendizaje Profundo nos permite crear estructuras avanzadas para representar conceptos abstracto como las relaciones temporales, creando modelos que superar con creces a la mayoría de técnicas estadísticas clásicas.

En este módulo identificaremos las principales aplicaciones de negocio que podemos conseguir gracias a modelos de pronóstico avanzados así como las principales arquitecturas que los soportan.

• Redes Neuronales Recurrentes
• Modelos con memoria LSTM y GRU
• Implementación en Keras

Algunos ejemplos del portfolio de casos prácticos:

• Taller de optimización logística para estimar la demanda y el stock de una planta de producción simulada
• Predicción del aforo en partidos de futbol de la liga española

¿Conoces los polémicos DeepFakes? Descubre cómo es posible generar imágenes o vídeos que no existen en la realidad gracias a los modelos generativos o GANs y sus múltiples aplicaciones a sectores como el arte, diseño, multimedia, videojuegos y un largo etcétera.

Da rienda suelta a tu imaginación y descubre una tecnología vanguardista para crear la siguiente generación de aplicaciones inteligentes.

• Fundamentos y aplicaciones de los modelos generativos
• Arquitectura y solución mediante aprendizaje profundo
• Ejemplos reales de aplicación
• Taller: Aplicación de una GAN básica para resolver problemas complejos.

Algunos ejemplos del portfolio de casos práctico

• Generación de contenido multimedia sintético, caras inventadas o videos de famosos tipo DeepFake
• Entrenamiento de un modelo para detectar comportamientos anómalos en una máquina industrial

¿Pueden las máquinas enseñarse a sí mismas? Empresas como Deep Mind o Boston Dynamics nos han demostrado con sus videos virales cómo algoritmos son capaces de aprender a andar, conducir o competir profesionalmente en juegos como el Go.

En este módulo aprenderemos a aplicar técnicas de aprendizaje reforzado que nos permitirán enseñar a nuestras aplicaciones comportamientos en base a la simulación de situaciones reales.

• Introducción al aprendizaje reforzado, principios y aplicaciones
• Ejemplos de casos de éxito y sus fundamentos
• Técnicas estadísticas y basadas en modelos
• Técnicas basadas en simulación
• Aprendizaje reforzado profundo

Algunos ejemplos del portfolio de casos prácticos:

• Entrenamiento de un modelo capaz de jugar de manera autónoma a videojuegos ATARI
• Entrenamiento de un modelo capaz de optimizar campañas de publicidad en redes sociales de manera autónoma

MLOps es un término creado para englobar todas los procesos y tecnologías necesarios para implantar con éxito la Inteligencia Artificial en tus proyectos.

Crecer y generar retorno económico a partir de una solución de IA no es una tarea trivial, muchas empresas no consiguen los resultados esperados mientras que otras como Google o Amazon han crecido exponencialmente gracias a su correcta implantación.

En este módulo extraeremos las claves del éxito recopiladas a lo largo de toda la industria introduciendo tecnologías clave como el Cloud Computing.

• Visión transversal del MLOps
• Profundización en aplicaciones y casos de éxito de la IA
• Metodologías Ágiles aplicadas a Inteligencia Artificial
• Tecnologías Cloud (AWS, Google Cloud y Azure) para la implantación de la IA

Algunos ejemplos del portfolio de casos prácticos:

• Integración de un modelo de IA para recomendaciones en una aplicación web
• Integración de un modelo de IA para detección del fraude en un sistema de transacciones
• Integración de un modelo de reconocimiento facial en una aplicación móvil