FONAMENTS DE L'APRENENTATGE PROFUND

Empreses de tot el món utilitzen la intel·ligència artificial per a resoldre els seus majors desafiaments. Els professionals sanitaris utilitzen la IA per a realitzar diagnòstics més precisos i ràpids en els pacients. Els comerços minoristes la utilitzen per a oferir experiències de compra personalitzades. Els fabricants d'automòbils la utilitzen perquè els vehicles personals, la mobilitat compartida i els servicis de repartiment siguen més segurs i eficients. L'aprenentatge profund és un potent enfocament d'IA que utilitza xarxes neuronals artificials multicapa per a oferir una precisió d'avantguarda en tasques com la detecció d'objectes, el reconeixement de veu i la traducció d'idiomes. Mitjançant l'aprenentatge profund, les computadores poden aprendre i reconéixer patrons a partir de dades que es consideren massa complexos o subtils per a un programari desenrotllat per experts.

1.- Introducció (30 minuts)
Conega a l'instructor.
Crea un compte en courses.nvidia.com/join

2.- La mecànica de l'aprenentatge profund (3 hores)
Explore la mecànica i les ferramentes fonamentals involucrades en l'entrenament exitós de xarxes neuronals profundes:
Entrena el teu primer model de visió artificial per a aprendre el procés d'entrenament.
Introduir xarxes neuronals convolucionals per a millorar la precisió de les prediccions en aplicacions de visió.
Aplicar l'augment de dades per a millorar un conjunt de dades i millorar la generalització del model.

Descans (1 hora)

3.- Models *preentrenados i models de llenguatge grans (1,5 hores)
Aprofite models *preentrenados per a resoldre ràpidament els desafiaments de l'aprenentatge profund. Entrene xarxes neuronals recurrents amb dades seqüencials:
Integre un model de classificació d'imatges prèviament entrenat per a crear una porta automàtica per a gossos.
Aprofite l'aprenentatge per transferència per a crear una porta per a gossos personalitzada que només deixe entrar al seu gos.
Utilitze un model de llenguatge ampli (*LLM) per a respondre preguntes basades en el text proporcionat.

Descans (15 minuts)

4.- Projecte Final: Classificació d'Objectes (1 hora)
Aplicar visió artificial per a crear un model que distingisca entre fruita fresca i podrida:
Creu i entrene un model que interprete imatges en color.
Creu un generador de dades per a aprofitar al màxim conjunts de dades xicotetes.
Millore la velocitat d'entrenament combinant l'aprenentatge per transferència i l'extracció de característiques.
Analitze arquitectures de xarxes neuronals avançades i àrees d'investigació recents on els estudiants poden millorar encara més les seues habilitats

5.- Revisió final (30 minuts)
Revise els aprenentatges clau i responga preguntes.
Complete l'avaluació i obtinga un certificat.
Complete l'enquesta del taller.
Aprenga a configurar el seu propi entorn de desenrotllament d'aplicacions d'IA.