Ciencia de Datos

Deep Learning con PyTorch

Entrena tu primer MLP en PyTorch. Terminas con un clasificador de prendas y una red tabular lista para servir. Si ya programas en Python y conoces lo básico de scikit-learn, estás listo.

  • 31 lecciones
  • ~6 h
  • Certificado verificable
Imagen de Deep Learning con PyTorch

$399 MXN · pago único

Sin crear cuenta · Pago seguro con Stripe · Acceso inmediato a tu correo

Ve 4 lecciones gratis →

# requisitos

¿Es para mí?

Necesitas

  • Python básico (funciones, listas, bucles)
  • Lo básico de machine learning con scikit-learn (entrenar y evaluar un modelo)

No necesitas

  • Ser matemático
  • Haber usado PyTorch antes
  • Experiencia previa en deep learning

# proyectos

Lo que vas a construir

  1. Clasificador de prendas

    Entrenas una red con PyTorch que reconoce tipos de ropa en imágenes.

  2. Red para datos tabulares de punta a punta

    Construyes una red para datos tabulares, desde el baseline hasta un modelo guardado y listo para servir.

# temario

¿Qué vas a aprender?

01 Neuronas, capas y tensores 5 lecciones
  1. El perceptrón de Rosenblatt 4:57
  2. Cómo calcula una neurona artificial preview gratis
  3. Arquitectura de una red: capas y forward pass preview gratis
  4. Entorno PyTorch: tensores y autograd preview gratis
  5. Notebook: tu primer MLP en PyTorch 20:00
02 Entrenar, evaluar y depurar una red 8 lecciones
  1. Retropropagación, 1986 4:48
  2. Pérdida, gradiente y retropropagación 15:00
  3. Técnicas de entrenamiento 9:56
  4. Dataset y DataLoader: mini-lotes en PyTorch 7:20
  5. Evaluación y ajuste: validación y sobreajuste preview gratis
  6. Depurar un entrenamiento que no aprende 4:36
  7. Quiz: entrenamiento y evaluación 7:00
  8. Notebook: bucle de entrenamiento con validación 30:00
03 Redes convolucionales y transfer learning 6 lecciones
  1. AlexNet e ImageNet, 2012 4:51
  2. Convolución, filtros y pooling 10:03
  3. Notebook: una CNN para dígitos 19:10
  4. Transfer learning: reutilizar una CNN preentrenada 7:59
  5. Planteamiento del proyecto: clasificador de prendas 5:05
  6. Proyecto: clasificador de prendas con PyTorch 45:00
04 Redes recurrentes para secuencias 7 lecciones
  1. De la memoria corta a la LSTM 4:50
  2. Cómo funciona una red recurrente 10:31
  3. Estado oculto y gradiente que se desvanece 14:30
  4. Compuertas de la LSTM y la GRU 5:19
  5. LSTM en PyTorch: formas, estados y salida 7:32
  6. Quiz: redes recurrentes 5:00
  7. Notebook: pronóstico de una serie con LSTM 25:00
05 Redes neuronales aplicadas: tabulares, anomalías y despliegue 5 lecciones
  1. Redes neuronales en los centros de datos de Google 4:44
  2. Redes para datos tabulares: embeddings y baseline 5:50
  3. Autoencoders para detectar anomalías 5:32
  4. Guardar, exportar y servir un modelo 5:08
  5. Proyecto: red para datos tabulares de punta a punta 50:00
Guillermo Izquierdo Colin

# quién enseña

Guillermo Izquierdo Colin

Fundador de PyPro

Uso Python todos los días en el trabajo para medir, modelar y automatizar. En PyPro enseño ese mismo trabajo, sin relleno: código que corre y proyectos que puedes mostrar. Si el contenido no cubre tu duda, te respondo en Discord.

  • Maestría en ingeniería financiera
  • Más de 10 años de experiencia
  • Dirige analítica de marketing en una empresa de medios
  • Construyó pypro.mx

# dudas

Preguntas frecuentes

¿Necesito crear una cuenta?

No. Pagas y te llega el acceso a tu correo.

¿Cómo puedo pagar?

Con tarjeta a través de Stripe.

¿Cuánto tiempo tengo acceso?

Acceso permanente, a tu ritmo.

¿Incluye certificado?

Sí, verificable.

¿Necesito saber cálculo para entender la retropropagación?

No hace falta llegar con cálculo fresco. El curso explica pérdida, gradiente y retropropagación paso a paso, y PyTorch calcula los gradientes por ti con autograd.

¿Por qué piden conocer lo básico de scikit-learn?

Porque el curso da por hecho que ya sabes qué es entrenar, validar y evaluar un modelo. Aquí te enfocas en llevar esas ideas a redes neuronales con PyTorch.

¿Qué tipos de redes voy a construir?

Perceptrones multicapa, redes convolucionales para imágenes, transfer learning con una CNN preentrenada, LSTM para pronosticar series y redes para datos tabulares. También ves autoencoders para detectar anomalías.

¿El curso cubre cómo usar el modelo fuera del notebook?

Sí. Hay una lección para guardar, exportar y servir un modelo, y el proyecto final llega hasta ese punto.

Empieza hoy, a tu ritmo

$399 MXN · pago único

Sin crear cuenta · Pago seguro con Stripe · Acceso inmediato a tu correo

Ve 4 lecciones gratis →