Heading

This is some text inside of a div block.
This is some text inside of a div block.
This is some text inside of a div block.
Tarifa en México
This is some text inside of a div block.
Tarifa internacional
This is some text inside of a div block.

Objetivos

01

What’s a Rich Text element?

The rich text element allows you to create and format headings, paragraphs, blockquotes, images, and video all in one place instead of having to add and format them individually. Just double-click and easily create content.

Static and dynamic content editing

A rich text element can be used with static or dynamic content. For static content, just drop it into any page and begin editing. For dynamic content, add a rich text field to any collection and then connect a rich text element to that field in the settings panel. Voila!

How to customize formatting for each rich text

Headings, paragraphs, blockquotes, figures, images, and figure captions can all be styled after a class is added to the rich text element using the "When inside of" nested selector system.

02

What’s a Rich Text element?

The rich text element allows you to create and format headings, paragraphs, blockquotes, images, and video all in one place instead of having to add and format them individually. Just double-click and easily create content.

Static and dynamic content editing

A rich text element can be used with static or dynamic content. For static content, just drop it into any page and begin editing. For dynamic content, add a rich text field to any collection and then connect a rich text element to that field in the settings panel. Voila!

How to customize formatting for each rich text

Headings, paragraphs, blockquotes, figures, images, and figure captions can all be styled after a class is added to the rich text element using the "When inside of" nested selector system.

03
04

Perfil de Estudiante

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat. Aenean faucibus nibh et justo cursus id rutrum lorem imperdiet. Nunc ut sem vitae risus tristique posuere.

Clase abierta

Temario

What’s a Rich Text element?

The rich text element allows you to create and format headings, paragraphs, blockquotes, images, and video all in one place instead of having to add and format them individually. Just double-click and easily create content.

Static and dynamic content editing

A rich text element can be used with static or dynamic content. For static content, just drop it into any page and begin editing. For dynamic content, add a rich text field to any collection and then connect a rich text element to that field in the settings panel. Voila!

How to customize formatting for each rich text

Headings, paragraphs, blockquotes, figures, images, and figure captions can all be styled after a class is added to the rich text element using the "When inside of" nested selector system.

Evaluación y proyectos

SUSCRÍBETE AL CURSO

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Bourbaki Finanzas Logo

Bourbaki Finanzas

Deep Learning en Imágenes y NLP: sus Matemáticas e implementación en Python

Solicitar informes

Este curso en línea consta de tres módulos sobre los fundamentos y las aplicaciones de redes neuronales al procesamiento de imágenes y NLP

Información General

  • Las redes neuronales son una de las herramientas más poderosas de la Inteligencia Artificial. Su utilización ha cambiado el mundo en el que vivimos y es difícil pensar en una industria que no las utilice.
  • En este curso vamos a enseñar a los estudiantes a entender y utilizar las redes neuronales de manera detallada, nos enfocaremos en cuatro partes fundamentales:
  • Implementación en Python y buenas prácticas
  • Descripción de los distintos algoritmos
  • Las diferentes y diferencias entre arquitecturas
  • Las ideas matemáticas más relevantes
  • El material no está estrictamente secuenciado y por ejemplo si se tienen algunas nociones sobre redes neuronales es posible comenzar en el segundo.
  • No es necesario un conocimiento profundo de Python sin embargo es recomendable estar familiarizado con conceptos básicos de programación.

Detalles y contacto

El evento se llevará a cabo de forma remota.

Cada módulo incluye unas notas en forma de bitácora sobre lo aprendido.

Contacto:

Alfonso Ruiz

alfonso@escuela-bourbaki.com

Tel. +52 1 735 163 6845

Las fechas y los horarios son los siguientes:

Módulo 1

  • Jueves 30 de abril 18:30-21:00
  • Martes 5 de mayo 18:30-21:00
  • Jueves 7 de mayo 18:30-21:00
  • Martes 12 de mayo 18:30-21:00
  • Jueves 14 de mayo 18:30-21:00
  • Martes 19 de abril 18:30-21:00

Módulo 2

  • Jueves 21 de abril 18:30-21:00
  • Martes 26 de junio 18:30-21:00
  • Jueves 28 de junio 18:30-21:00
  • Martes 2 de junio 18:30-21:00
  • Jueves 4 de junio 18:30-21:00
  • Martes 9 de junio 18:30-21:00

Módulo 3

  • Jueves 11 de junio 18:30-21:00
  • Martes 16 de junio 18:30-21:00
  • Jueves 18 de junio 18:30-21:00
  • Martes 23 de junio 18:30-21:00
  • Jueves 25 de junio 18:30-21:00
  • Martes 30 de junio 18:30-21:00

El curso se impartirá en tiempos proporcionales por los siguientes profesores.

  • Beatriz Londoño es fundadora de "Ciencia y Tecnología para todos". Doctora en Física por la Université Paris-XI Orsay con experiencia en investigación y coautora de artículos científicos. Comprensión de variedad de métodos de análisis estadístico, programación, machine y deep learning. Experiencia en docencia. Fuerte interés en la enseñanza de las ciencias y en hacer del análisis y del pensamiento crítico un instrumento cercano a todos.
  • Eduardo H. Ramírez es Doctor en Sistemas Inteligentes por el ITESM. Colaboró en Yahoo Research y Microsoft Research en detección de Web Spam y Calidad de Búsqueda. Es fundador de la comunidad de Ciencia de Datos en Monterrey, miembro del consejo del CVT de Caintra y de Saturdays.ai, una iniciativa global dirigida a capacitar a las personas para que adquieran habilidades en AI y ML aplicadas en proyectos de impacto social.
  • Alfonso Ruiz es un matemático especializado en la lógica matemática y sus aplicaciones a otras áreas así como un profesor de matemáticas. Estudió su doctorado en Matemáticas en Oxford University, su maestría en Université Paris-XI Orsay y la licenciatura en matemáticas en la UNAM. Fue profesor de Análisis matemático en Corpus Christi College, Oxford. Actualmente, es director en la Escuela de Matemáticas Bourbaki. 

Becas

  • Ofrecemos 2 becas completas por módulo una será a una mujer y la otra será a un hombre. Es necesario no tener un trabajo de tiempo completo para solicitar la beca. Favor de escribir a alfonso@escuela-bourbaki.com una carta motivo explicando por qué está interesado en el curso.

Temario:

Módulo 1: Nociones básicas sobre Artificial Neuronal Networks

​El primer módulo es una introducción a las redes neuronales que busca profundizar en la comprensión clara sobre las ventajas y la manera cómo funcionan estas técnicas. Se presentarán los algoritmos más útiles para entrenarlas y se dará una explicación de las matemáticas que los explican.

  • Refuerzo sobre Python
  • Perceptrón
  • Método del gradiente
  • Programación del método del gradiente
  • Stochastic gradient descent
  • Perceptrón con más de una capa
  • Back-propagation
  • Programación de back-propagation
  • Librerías y consejos de implementación
  • Caso de estudio sobre clasificación de imágenes

Módulo 2: Arquitecturas para NLP y Procesamiento de Imágenes

​En este módulo expondremos las principales técnicas y dificultades detrás del uso de las redes neuronales para procesar imágenes y texto. Enseñaremos cómo utilizar los principales algoritmos para construir redes neuronales sensibles a los problemas del curso. Haremos especial énfasis en el concepto de convolución y desarrollo matemático.

  • Desarrollo histórico y arquitecturas generales de ANN
  • Tareas principales de las arquitecturas de ANN
  • Arquitecturas de estado del arte para reconocimiento de imágenes (ImageNet, ResNet, GoogleNet)
  • Transfer Learning
  • Convolución de funciones y distribuciones
  • Clasificación de imágenes utilizando CNN
  • Detección de objetos en escenas utilizando CNN
  • Traducción de texto: ideas básicas
  • Transformer
  • Módulo 3: Topics en Deep Learning
  • Explicaremos algunas ideas útiles para el procesamiento de imágenes y de texto. Para cada uno de los conceptos listados comenzaremos con su descripción formal y continuaremos con su estudio en los dos problemas que nos interesan.
  • Regularización en clasificación de imágenes y procesamiento de texto.
  • Regularidad en clasificación de imágenes y procesamiento de texto.
  • Modelos Generativos en clasificación de imágenes y procesamiento de texto.


Profesores del curso

No items found.

Próxima fecha

Foto decorativa del formulario
Solicita información
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Tarifas hasta Diciembre de 2023, pregunte por opciones para congelar la Tarifa