Un recorrido estructurado desde los fundamentos hasta arquitecturas avanzadas, diseñado para profesionales que buscan dominar las redes neuronales modernas y sus aplicaciones prácticas.
Comenzamos con los conceptos básicos que sustentan todo el deep learning. Este módulo establece las bases matemáticas y computacionales necesarias.
Las CNN revolucionaron el procesamiento de imágenes. Aprenderás a diseñar y entrenar arquitecturas para visión artificial.
Las secuencias temporales requieren arquitecturas especializadas. Desde LSTM hasta la revolución de los transformers.
Crear contenido nuevo es uno de los logros más impresionantes del deep learning. Exploraremos GANs, VAEs y modelos de difusión.
Los agentes que aprenden mediante interacción representan una frontera fascinante del machine learning aplicado.
Llevar modelos del laboratorio a producción requiere conocimientos específicos de optimización, despliegue y monitorización.
Nuestro equipo docente combina experiencia académica sólida con proyectos industriales reales. Lucía Bermejo trabajó cinco años en sistemas de reconocimiento de imágenes médicas, mientras que Nerea Castellano lideró el desarrollo de modelos de lenguaje para una plataforma de análisis financiero.
Ambas comparten un enfoque práctico que va más allá de la teoría. Las clases incluyen discusiones sobre decisiones de diseño reales, errores comunes en producción y estrategias para depurar modelos complejos.
Nuestro programa combina teoría rigurosa con implementación práctica. Cada concepto se refuerza mediante código funcional y proyectos progresivos que construyen habilidades reales.
Cada semana tienes dos sesiones en directo de dos horas donde trabajamos conceptos nuevos. Las clases no son conferencias pasivas: escribimos código juntos, depuramos errores y discutimos alternativas de diseño.
Puedes hacer preguntas durante la sesión o participar en los ejercicios grupales. Las grabaciones están disponibles, pero la experiencia en directo permite aprovechar el feedback inmediato y ver cómo otros abordan los mismos problemas.
Los proyectos están diseñados para reforzar conceptos específicos mientras construyes algo funcional. Empiezas con un clasificador de imágenes básico y terminas con un sistema completo de detección de objetos optimizado para producción.
Cada proyecto incluye especificaciones claras, datos de entrenamiento y métricas de evaluación. Recibes feedback estructurado sobre tu código: no solo si funciona, sino si está bien diseñado y es mantenible.
El material escrito complementa las clases con explicaciones detalladas, diagramas arquitectónicos y referencias matemáticas. No es contenido genérico: cada documento está adaptado específicamente a cómo enseñamos los conceptos en clase.
Tienes acceso a notebooks completos con código comentado, datasets organizados y ambientes preconfigurados. Todo está en repositorios de Git para que puedas clonar, experimentar y adaptar a tus propios proyectos.