TensorFlow, Inteligencia Artificial, series de tiempo, redes LSTM en CPU y GPU

This is a past event

8 people went

Needs a location

Details

TensorFlow, Inteligencia Artificial, series de tiempo, redes LSTM en CPU y GPU

No se quede fuera del mundo de la Inteligencia Artificial aplicado a economia con series de tiempo y redes recurrentes de tipo LSTM

Fecha:
Sábado 24 de agosto 2019, de 10 am a 3 pm

INVERSIÓN: 2,000 + i.v.a.

Para CFDI, favor enviar datos fiscales

BBVA Bancomer

CLABE:[masked]

Atentamente

Dr Gabriel GUERRERO

[masked]

info cel (55)[masked]

Temario

1) Instalacion máquina virtual con todos los sistemas en operación: Centos 7, Anaconda, Python, Jupyter, TensorFlow, Keras y bibliotecas de graficacion de Python

2) Inicio de ambiente desarrollo con cuadernos Jupyter Notebooks con Python, para manejo de Series de Tiempo y graficación básica

3) Breve introducción al mundo de Tensores para la descripción de problemas. ¿Cómo genero a partir de mis datos una representación del problema con tensores? ¿Por qué TensorFlow de Google, es una herramienta indispensable en la Ciencia de Datos?

4) Solución de problemas clásicos de regresión lineal usando TensorFlow

5) Breve introducción al modelo de red neuronal recurrente de tipo LSTM

5) Solución de problemas de predicción con Series de Tiempo usando TensorFlow. Caso: Predicción consumo electrico con redes LSTM

¿Por qué las redes LSTM?

Las redes neuronales LSTM, (Long Short-Term Memory), son un tipo particular de redes neuronales recurrentes que constituye una nueva metodología para la aplicación de la Inteligencia Artificial en fenómenos donde es tiempo es una variable estratégica.

De manera sencilla, podemos pensar que las redes LSTM tienen “memoria” y que contienen celdas de estado contextuales internas que actúan como celdas de memoria a largo plazo (Long Term Memory) o a corto plazo (Short Term Memory), de donde toman su nombre como Redes Neuronales con Memoria a Largo y Corto Plazo.

La salida de la red LSTM está definida por el estado de estas celdas. Esta es una propiedad muy importante cuando necesitamos que la predicción de la red neuronal dependa del contexto histórico de las entradas, y no solo de la última entrada, como en las redes neuronales convolutivas.

Es conocido de los economistas, que el futuro no solo depende del inmediato anterior, sino del comportamiento de los fenómenos en el tiempo pasado. Por lo anterior el modelo de Red Neuronal con Memoria a Largo y Corto Plazo (LSTM Long Short-Term Memory), es uno de los modelos que mayor relevancia actualmente para los estudios de los economistas y tomadores de decisiones economicas.

Hoy la Inteligencia Artificial, las Redes Neuronales y el Aprendizaje Profundo son los temas que están en todos los medios, como la nueva revolución en el mundo de las TICs

En este taller, se ofrece un recorrido con ejemplos del uso del lenguaje de programación Python en un ambiente interactivo Jupyter, con un enfoque de Ciencia de Datos

Es un taller práctico en donde con ejemplos completos en operación, se muestra el uso del lenguaje Python para la construccion de redes neuronales con Keras

Esta es una metodología de enseñanza muy exitosa, en donde se enseña TOP/DOWN, es decir se ofrecen sistemas completos de operación y se muestra y explica cada uno de los elementos que permiten el funcionamiento.

En saXsa se ofrecen ejemplos completos y en una maquina virtual con los ejemplos operando, para que el alumno, los tome como platillas y pueda al termino de 5 horas poder hacer uso de estas plantillas en su problemática cotidiana.

No se quede fuera del mundo de la Inteligencia Artificial

Fecha:
Sábado 24 de agosto 2019, de 10 am a 3 pm

INVERSIÓN: 2,000 + i.v.a.

Para CFDI, favor enviar datos fiscales

BBVA Bancomer

CLABE:[masked]

Atentamente

Dr Gabriel GUERRERO

[masked]

info cel (55)[masked]