Deep Learning Aplicado - Brochure

 

 

CURSO DE ESPECIALIZACIÓN EN CIENCIA DE DATOS

DEEP LEARNING APLICADO PROCESAMIENTO Y ANÁLISIS DE IMÁGENES   Casos aplicados y despliegue de modelos Deep Learning.

•

 

 

DESCRIPCIÓN La 4ta revolución industrial se está manifestando en nuestro entorno a través del desarrollo de tecnologías y tendencias disruptivas como Inteligencia Artificial (IA), Internet de las cosas (IoT), Robótica y Realidad Virtual (VR), lo cual está remodelando la forma de hacer negocios, la educación, la medicina, el comercio y casi todos los aspectos de la vida que, si duda, cambiarán para siempre. El Aprendizaje Profundo Deep Learning) es una técnica de Inteligencia Artificial relativamente Artificial relativamente novedosa que ha demostrado ser muy efectiva en la identificación de patrones en grandes volúmenes de datos. Uno de los campos a los que ha contribuido con más éxito, por encima de los métodos tradicionales, es la Visión por Computadora  debido a su capacidad de extraer características propias de las imágenes de forma muy eficiente.

OBJETIVO Implementar algoritmos de Aprendizaje Profundo Deep Learning) para el procesamiento y análisis de imágenes: Clasificación, Localización, Segmentación y Detección de objetos; y desplegarlos en una arquitectura de servicios para su uso e integración en ambientes de Producción en la nube (AWS, Google Cloud Platform y IBM Cloud).

PARTICIPANTES Dirigido a profesionales de ciencias e ingeniería, investigadores del ámbito de la Inteligencia Artificial, profesionales cuya labor se relaciona con el análisis de imágenes visión por computadora),, y público en general que desee conocer y aplicar algoritmos de análisis de computadora) imágenes a través de técnicas de Deep Learning. 

PRE-REQUISITOS  Se requieren conocimientos básicos en programación (Python y Java de preferencia).

●

 Se requiere una cuenta de correo gmail para acceder a Google Colab (gratuito).

●

FECHA Y LUGAR Universidad Ricardo Palma Palma - Av. Benavides 5440  –  Santiago  Santiago de Surco. Inicio:: 11 de enero del 2020 Inicio Horarios:: Horarios Sábados y Domingos de 9:00am - 1:00pm

 

 

CONTENIDO TEMÁTICO MÓDULO

FUNDAMENTOS DE DEEP LEARNING   El problema del Reconocimiento de Patrones en los datos.

•

  ¿Por qué Deep Learning?

•

  Deep Learning: Conceptos y formulación de problemas tipo.

•

I

  Aplicaciones de Deep Learning:

•

 Visión por computadora y Procesamiento de Lenguaje Natural.

o

  Taller: Preparación de ambiente de trabajo: Google Colab, Colab, Python, Keras, Tensorflow. Tensorflow.

•

MÓDULO

REDES NEURONALES CONVOLUCIONALES RNCs)   Redes Neuronales Artificiales: Un mecanismo eficiente de identificación de patrones.

•

  Redes Neuronales Convolucionales (RNCs): Formulación matemática y Arquitectura.

•

II

  Feature Extraction: Convolución, rectificación, sampling y clasificación.

•

  Entrenamiento de una RNC: Capas, filtros, strides, padding y funciones de activación.

•

  Taller: Clasificación de imágenes mediante una Red Neuronal Convolucional.

•

MÓDULO

MODELOS PRE-ENTRENADOS   Modelos de Deep Learning Pre-entrenados: ¿Qué son y para qué sirven? •

  Modelos Pre-entrenados, arquitectura e implementación:

•

 Visual Geometry Group (VGG)

o

 Residual Network (ResNet)

o

 Inception

III

o

 DenseNet

o

  TRANSFER LEARNING: selección, entrenamiento y evaluación de modelos.

•

  FINE TUNING: selección, entrenamiento y evaluación de modelos.

•

Imagenet transfer learning y fine tuning). tuning).   Taller: Categorización de imágenes Imagenet

•

MÓDULO

PROCESAMIENTO Y ANÁLISIS DE IMÁGENES   Deep Learning y Visión por Computadora •

  CLASIFICACIÓN de imágenes: formulación y solución.

•

 Algoritmos de Clasificación: VGG-Face Model

o

 Taller: Reconocimiento Facial foto y video)

o

  LOCALIZACIÓN y DETECCIÓN de imágenes: formulación y solución.

•

 Localización vs Detección.

IV

o

 Algoritmos de Detección de Objetos: R-CNN, Fast R-CNN, Faster R-CNN, YOLO

o

 Taller: Reconocimiento de Objetos Objetos COCO foto y video) usando YOLO y OpenCV.

o

  SEGMENTACIÓN de imágenes: formulación y solución.

•

 

o

Segmentación semántica.

 Taller: Segmentación de Objetos COCO foto y video) usando usando YOLO y OpenCV. OpenCV.

o

 

 

MÓDULO

REDES GENERATIVAS ADVERSARIAS GANs) GANs)   Modelos Generativos: ¿Qué son y para qué sirven?

•

  Redes Generativas Adversarias (GANs): Formulación matemática y Arquitectura.

•

  Generador y Discriminador: Arquitectura y características.

•

V

  La Teoría de juegos y el equilibrio de Nash.

•

  Enternamiento de una red GAN.

•

 

•

MÓDULO

Tipos de Redes GAN. o  Taller: Entrenamiento de una red GAN, WGAN, pix2pix, CycleGAN.

AUTOMATED MACHINE LEARNING AutoML VISION)   ML Automatizado para visión por computadora.

•

  Google Auto ML Vision: Clasificación y Detección.

•

VI

  IBM Cloud Vision: Clasificación.

•

 Taller: Google Cloud AutoML Vision

o

 Taller: IBM Watson Visual Recognition

o

MÓDULO

DESPLIEGUE DE MODELOS DEEP LEARNING   Despliegue de modelos Deep Learning (modo estándar)

•

 Preparación de ambientes en Cloud: AWS, Google Cloud Platform e IBM Cloud. o  Instalación programas y librerías: Flask, Postman.

o

  Despliegue de modelos Deep Learning en Producción (modo avanzado)

•

 Instalación de programas y librerías: Docker, Swarm, S warm, TensorServing.

VII

o

  Depliegue de modelos Deep Learning en Java: DL4J, Spring Web Service, REST Clients.

•

  Modelos de Deep Learning como Servicios Web

•

 Taller: Disponibilización y llamada a servicios servicios modelos) desde un cliente REST.

o

 Taller: Interfaz web Angular) para para consumir el servicio vía REST.

o

EXPOSITOR:

Mirko J. Rodríguez Mallma  Profesor en la maestría de Ciencia de los Datos de la Universidad Ricardo Palma (Perú) y especialista en la implementación de proyectos de Inteligencia Artificial y Deep Learning. Ingeniero de Sistemas por la Universidad Nacional de Ingeniería (UNI), MBA por la MSM Maastricht School of Management - Holanda. Certificaciones oficiales en Sistemas Inteligentes (computación cognitiva), Arquitectura Empresarial (TOGAF®), Gestión de Proyectos (PMP®), Gestión de Servicios de TI (ITIL®), Procesos de Desarrollo de Software (RUP®) y Arquitectura Orientada a Servicios (SOA).

 

 

DURACIÓN   DURACIÓN 60 horas  horas 

INVERSIÓN Público en general: Miembros URP:

S/. 1550.00 S/. 1450.00

Estudiantes pregrado: S/. 1350.00

CERTIFICACIÓN Certificado de participación emitida por el rectorado de la Universidad Ricardo Palma.