Metodología

Este curso combina teoría y práctica, con un enfoque centrado en la implementación de modelos. Cada clase comienza con conceptos teóricos clave, seguidos por ejercicios prácticos guiados en Python, utilizando PyTorch. La estructura de cada sesión se orienta al aprendizaje aplicado, permitiéndote ver cómo cada técnica se implementa en la práctica. Durante el curso, tendrás acceso a recursos adicionales y podrás realizar consultas a los instructores, quienes estarán disponibles para apoyar tu aprendizaje y resolver dudas en tiempo real.

Las clases de los cursos se imparten en vivo a través de , permitiendo la interacción directa entre alumnos y profesores. Posteriormente, los alumnos tienen acceso a todos los recursos utilizados durante la sesión, incluyendo la grabación de la clase, disponibles en nuestra plataforma. Además, cuentan con ejercicios prácticos para consolidar y aplicar los conocimientos adquiridos.

Pre-requisitos

Para realizar este curso, es recomendable tener conocimientos previos en Python. Para aquellos inscritos que no cuenten con experiencia en el lenguaje, proporcionaremos material de nivelación en Python.

Habilidades que aprenderás

En este curso, aprenderás los Fundamentos de Visión por Computadora y Machine Learning, junto con técnicas como Convolutional Neural Networks (CNNs) y Transfer Learning , aplicadas a la clasificación de imágenes, detección de objetos y segmentación. Trabajarás con el framework PyTorch en ejercicios prácticos, incluyendo el uso de Modelos Pre-entrenados y el ajuste de hiperparámetros para optimizar el rendimiento de los modelos.