Aprendizaje Profundo Aplicado con PyTorch (De cero a maestría)

Este curso ofrece una introducción completa al Aprendizaje Profundo usando PyTorch, el marco más popular para la investigación en aprendizaje automático. Partiendo desde los fundamentos de tensores, los estudiantes avanzarán a través de todo el flujo de trabajo de ML, visión por computadora, ingeniería de software modular, transferencia de aprendizaje y despliegue de modelos. El plan de estudios es "código primero", enfatizando la implementación práctica y la experimentación, asegurando que los estudiantes no solo entiendan la teoría, sino que puedan construir, optimizar y desplegar sistemas robustos de aprendizaje profundo.

Un breve resumen de los objetivos principales consiste en dominar todo el ecosistema de PyTorch, pasando desde matemáticas básicas hasta aplicaciones de visión por computadora listas para producción.

1. Implementar todo el flujo de trabajo de aprendizaje automático de PyTorch, desde operaciones tensoriales fundamentales hasta entrenamiento, evaluación y persistencia de modelos.
2. Diseñar y desplegar arquitecturas de aprendizaje profundo, incluyendo Redes Neuronales Artificiales (ANNs) y Redes Neuronales Convolucionales (CNNs), para tareas complejas de clasificación y visión por computadora.
3. Transformar código experimental en software listo para producción mediante la adopción de prácticas de ingeniería estandarizadas y estructuras de directorios.
4. Utilizar técnicas avanzadas como Transferencia de Aprendizaje y seguimiento sistemático de experimentos (TensorBoard) para alcanzar resultados de vanguardia en conjuntos de datos personalizados.
5. Preparar y desplegar modelos entrenados en aplicaciones web interactivas y aprovechar las funciones modernas de PyTorch 2.0 para una inferencia acelerada.