Introduction to the Program

Ponte al día en las bases matemáticas del Deep Learning para crear las redes neuronales más avanzadas”

En la actualidad, el Deep Learning se ha convertido en una de las técnicas más utilizadas en la Inteligencia Artificial debido a su capacidad para entrenar redes neuronales profundas y realizar tareas complejas con precisión en una amplia variedad de campos. En la Robótica, por ejemplo, el Deep Learning se utiliza para la navegación autónoma y el reconocimiento de objetos. En el caso del Procesamiento del Lenguaje Natural, es valioso para la traducción automática y la creación de Chatbots inteligentes.

Sin embargo, para poder utilizar eficazmente estas redes neuronales, es necesario tener una visión sólida de las bases matemáticas subyacentes. Este es precisamente el enfoque del Postgraduate certificate en Mathematical Basis of Deep Learning, el cual está diseñado para proporcionar a los estudiantes una base en Matemáticas avanzadas y Estadística necesarias para el aprendizaje profundo.

El programa está estructurado en torno a temas que versan sobre el Álgebra lineal, cálculo multivariable, optimización y Probabilidad. En este sentido, los estudiantes recorrerán conceptos clave, como matrices, vectores, derivadas parciales, Gradiente descendente, distribuciones de probabilidad o Estadística inferencial. Además, el título también incluye varios ejemplos y ejercicios prácticos para ayudar a los estudiantes a aplicar los conceptos teóricos en un contexto real.

Lo mejor es que este Postgraduate certificate es 100% online, lo que significa que los matriculados pueden acceder a los materiales del programa desde cualquier lugar del mundo y en cualquier momento que les resulte conveniente.

Serás un experto en las operaciones con funciones vectoriales y sus derivadas”

Este Postgraduate certificate en Mathematical Basis of Deep Learning contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:  

  • El desarrollo de casos prácticos presentados por expertos en Bases Matemáticas del Deep Learning 
  • Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información tecnológica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional 
  • Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje 
  • Su especial hincapié en metodologías innovadoras  
  • Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual 
  • La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Hazte con todas las claves para dominar el funcionamiento de los modelos que operan bajo el Aprendizaje Supervisado”

El programa incluye en su cuadro docente a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.  

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.  

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeos interactivos realizados por reconocidos expertos.

Compara conjuntos de datos con maestría gracias a los innovadores recursos pedagógicos del Campus Virtual"

Te especializarás en ajustar hiperparámetros o manejar técnicas de regularización en solo 300 horas"

Syllabus

The curriculum of this Postgraduate certificate will guide students through a comprehensive exploration of the mathematical foundations of Deep Learning in an academic journey condensed into 300 hours. Students will also have access to a wide range of innovative teaching resources available on the program's Virtual Campus, which will complement and enrich their learning experience. Some of them are self-assessment exercises, case studies or interactive summaries.

A curriculum that captures each and every one of the principles of Deep Learning”

Module 1. Mathematical Basis of Deep Learning

1.1. Functions and Derivatives

1.1.1. Linear Functions
1.1.2. Partial Derivative
1.1.3. Higher Order Derivatives

1.2. Multiple Nested Functions

1.2.1. Compound functions
1.2.2. Inverse functions
1.2.3. Recursive functions

1.3. Chain Rule

1.3.1. Derivatives of nested functions
1.3.2. Derivatives of Compound Functions
1.3.3. Derivatives of inverse functions

1.4. Functions with multiple inputs

1.4.1. Multi-variable Functions
1.4.2. Vectorial Functions
1.4.3. Matrix functions

1.5. Derivatives of functions with multiple inputs

1.5.1. Partial Derivative
1.5.2. Directional derivatives
1.5.3. Mixed derivatives

1.6. Functions with multiple vector inputs

1.6.1. Linear vector functions
1.6.2. Non-linear vector functions
1.6.3. Matrix vector functions

1.7. Creating new functions from existing functions

1.7.1. Addition of functions
1.7.2. Product of functions
1.7.3. Composition of functions

1.8. Derivatives of functions with multiple vector entries

1.8.1. Derivatives of linear functions
1.8.2. Derivatives of nonlinear functions
1.8.3. Derivatives of Compound Functions

1.9. Vector functions and their derivatives: A step further

1.9.1. Directional derivatives
1.9.2. Mixed derivatives
1.9.3. Matrix derivatives

1.10. The Backward Pass

1.10.1. Error propagation
1.10.2. Applying update rules
1.10.3. Parameter Optimization

Module 2. Deep Learning Principles

2.1. Supervised Learning

2.1.1. Supervised Learning Machines
2.1.2. Uses of Supervised Learning
2.1.3. Differences between supervised and unsupervised learning

2.2. Supervised learning models

2.2.1. Linear Models
2.2.2. Decision tree models
2.2.3. Neural network models

2.3. Linear Regression

2.3.1. Simple Linear Regression
2.3.2. Multiple Linear Regression
2.3.3. Regression Analysis

2.4. Model Training

2.4.1. Batch Learning
2.4.2. Online Learning
2.4.3. Optimization Methods

2.5. Model Evaluation: Training set vs. test set

2.5.1. Evaluation Metrics
2.5.2. Cross Validation
2.5.3. Comparison of data sets

2.6. Model Evaluation: The Code

2.6.1. Prediction generation
2.6.2. Error Analysis
2.6.3. Evaluation Metrics

2.7. Variables analysis

2.7.1. Identification of relevant variables
2.7.2. Correlation Analysis
2.7.3. Regression Analysis

2.8. Explainability of Neural Network Models

2.8.1. Interpretable models
2.8.2. Visualization Methods
2.8.3. Evaluation Methods

2.9. Optimization

2.9.1. Optimization methods
2.9.2. Regularization techniques
2.9.3. The use of graphs

2.10. Hyperparameters

2.10.1. Selection of hyperparameters
2.10.2. Parameter search
2.10.3. Hyperparameter tuning 

Take the opportunity to enroll in the perfect degree to delve into the explainability of artificial neural network models”

Postgraduate Certificate in Mathematical Basis of Deep Learning

The use of Deep Learning has become a key element in the development of new technologies and applications. That is why at TECH Global University we have designed the Postgraduate Certificate in Mathematical Basis of Deep Learning. This program focuses on updating the mathematical aspects necessary for the understanding of deep learning. The postgraduate course focuses on the study of the mathematical theory underlying Deep Learning, without neglecting its application in solving real problems.

Our Postgraduate Certificate in Mathematical Basis of Deep Learning will give you the knowledge to understand how deep learning works. Your professors will guide you in techniques, algorithms and mathematical tools used in deep learning. The course will equip you with skills to design deep learning algorithms and understand optimization strategies in this field. As a result, you will get a thorough grounding in the mathematical foundations of deep learning. Which will enable you to improve your performance in the job market and enhance your professional development in the area of technology