Aprende PyTorch desde Cero con IA: Deep Learning Práctico

Este curso está diseñado para que aprendas PyTorch desde cero, incluso si nunca has trabajado antes con Deep Learning o redes neuronales. A lo largo de varios días de aprendizaje progresivo, pasarás de preparar tu entorno de trabajo a crear, entrenar, evaluar y mejorar modelos reales, incluyendo redes neuronales profundas y modelos de Computer Vision, siempre con un enfoque práctico y guiado.

Comenzarás instalando y configurando PyTorch correctamente, entendiendo qué es y cómo se utiliza en proyectos reales. Luego aprenderás a trabajar con tensores, su indexación, slicing y redimensionamiento, sentando las bases necesarias para construir modelos sólidos. Cada concepto se refuerza con tareas prácticas, pensadas para que realmente comprendas lo que estás haciendo y no solo copies código.

A medida que avances, entrarás en el mundo de las redes neuronales, entendiendo capas lineales y no lineales, funciones de activación como ReLU, Sigmoid y Tanh, y técnicas de optimización de modelos. Aprenderás a utilizar funciones de pérdida, métricas y validación para evaluar correctamente el rendimiento de tus modelos, incluyendo ejemplos prácticos con Cross Entropy Loss.

El curso también cubre Computer Vision con PyTorch, donde aprenderás cómo funcionan las CNNs, los filtros y los feature maps, y cómo aplicarlos en ejemplos reales. Además, dominarás el uso de Datasets y DataLoaders, la transformación de datos y el guardado y carga de modelos entrenados.

Durante todo el curso contarás con el apoyo de Claude IA, utilizada como asistente pedagógico para ayudarte a razonar, entender errores y mejorar tus soluciones, sin reemplazar tu aprendizaje.

Al finalizar, serás capaz de crear modelos desde cero, entrenarlos con datos reales, evaluarlos y mejorarlos con criterio técnico, sentando una base sólida para seguir avanzando en Deep Learning y Machine Learning con PyTorch.