CONTENIDO DEL LIBRO:
Prefacio
Acerca de este libro
PARTE 1: INTRODUCCIÓN
CAPÍTULO 1. ¿Qué es el Deep Learning?
CAPÍTULO 2. Entorno de trabajo
CAPÍTULO 3. Python y sus librerías
PARTE 2: FUNDAMENTOS DEL DEEP LEARNING
CAPÍTULO 4. Redes neuronales densamente conectadas
CAPÍTULO 5. Redes neuronales en Keras (Descarga PDF de este capítulo)
CAPÍTULO 6. Cómo se entrena una red neuronal
CAPÍTULO 7. Parámetros e hiperparámetros en redes neuronales
CAPÍTULO 8. Redes neuronales convolucionales
PARTE 3: TÉCNICAS DEL DEEP LEARNING
CAPÍTULO 9. Etapas de un proyecto Deep Learning
CAPÍTULO 10. Datos para entrenar redes neuronales
CAPÍTULO 11. Data Augmentation y Transfer Learning
CAPÍTULO 12. Arquitecturas avanzadas de redes neuronales
PARTE 4: DEEP LEARNING GENERATIVO
CAPÍTULO 13. Redes neuronales recurrentes
CAPÍTULO 14. Generative Adversarial Networks
Clausura
Apéndices
Descarga de datos y recursos adicionales (código de descarga: PYTHON4)
TRANSPARENCIAS DEL CURSO:
Transparencias que uso para impartir mis cursos:
PARTE 1: INTRODUCCIÓN: PythonDL-parte1.pdf
PARTE 2: FUNDAMENTOS DEL DEEP LEARNING: PythonDL-parte2.pdf
PARTE 3: TÉCNICAS DEL DEEP LEARNING: PythonDL-parte3.pdf
PARTE 4: DEEP LEARNING GENERATIVO: PythonDL-parte4.pdf
Si algún profesor o profesora requiere la versión powerpoint para sus clases, puede contactar conmigo para compartirlas.
