Comenzaremos con la historia del aprendizaje automático y discutiremos por qué las redes neuronales actualmente dan tan buenos resultados para una gran variedad de problemas de la ciencia de datos. Luego, veremos cómo configurar un problema de aprendizaje supervisado y encontrar una buena solución mediante el descenso de gradientes. Para esto, será necesario crear conjuntos de datos que permitan la generalización. Hablaremos sobre los métodos para hacerlo de una forma repetible que respalde la experimentación.

Objetivos del curso: Identificar por qué el aprendizaje profundo es popular en la actualidad Optimizar y evaluar modelos mediante las funciones de pérdida y las métricas de rendimiento Mitigar problemas comunes que se presentan en el aprendizaje automático Crear conjuntos de datos repetibles y escalables para entrenamiento, evaluación y pruebas