Comprender los conceptos fundamentales de las redes neuronales artificiales.
Analizar las características y aplicaciones del deep learning.
Diferenciar entre los distintos tipos de redes neuronales y sus usos específicos.
Utilizar Keras y Tensorflow para construir y entrenar modelos de deep learning.
Implementar modelos de aprendizaje profundo utilizando Pytorch.
Comparar y seleccionar la herramienta adecuada para diferentes aplicaciones de deep learning.
Comprender la estructura y el funcionamiento de las redes neuronales convolucionales.
Modelar arquitecturas de redes convolucionales para diversas aplicaciones.
Identificar y mitigar problemas de sobreajuste en redes convolucionales.
Explicar la arquitectura y los algoritmos de aprendizaje de las redes neuronales recurrentes.
Identificar y utilizar los diferentes tipos de redes neuronales recurrentes.
Implementar una red neuronal recurrente y evaluar su rendimiento en aplicaciones prácticas.
Comprender los enfoques y características del deep learning no supervisado.
Diferenciar entre los tipos de machine learning y sus aplicaciones en el aprendizaje no supervisado.
Aplicar técnicas de deep learning no supervisado en problemas prácticos y evaluar sus resultados.