Auto-reproducción
Autocompletar
Lección Previa
Lección Siguiente
Experto en Redes Neuronales Informadas por la Física (PINNs): Deep Learning para Ingeniería
Módulo 1. Introducción a Deep Learning
1.1. introducción al curso (7:42)
1.2. Inteligencia Artificial, Machine learning y Deep Learning (7:14)
1.3. Conceptos Básicos de Redes Neuronales (6:24)
1.4. Diferentes Tipos de Redes Neuronales (7:16)
Módulo 2. Creando el entorno en python
Dataset - Recursos
2.1. Instalación de Python y Visual Studio Code (11:10)
2.2. Conceptos Básicos de Python (32:57)
2.3. Introducción a Numpy (16:28)
2.4. Introducción a pandas (15:06)
2.5. Introducción a Matplotlib (15:03)
2.6. Introducción a Pytorch (14:07)
Módulo 3. Deep Learning - Redes Neuronales
3.1. Qué es una Red Neuronal (8:07)
Dataset - Recursos
3.2. Arquitectura de una Red Neuronal (17:22)
3.3. Proceso de Entrenamiento y Testeo de una Red Neuronal (25:18)
3.4. Implementación de una Red Neuronal Simple (34:45)
3.5. Overfitting, regularización y validación (10:02)
Módulo 4. Introducción a una PINN
4.1. Qué son las PINN (8:31)
4.2. Funciones Objetivo para Problemas de PINN (12:39)
4.3. Comparación de una PINN frente a métodos convencionales (14:33)
Módulo 5. Simulación de Escenarios Físicos mediante PINN
5.1. Barra Estática (20:00)
5.2. Difusión de Calor en 1D (21:03)
5.3. Ecuación de Advección en 1D y 2D (19:40)
5.4. Ecuación de Onda en 2D (11:17)
Test de conocimientos Experto en Redes Neuronales Informadas por la Física (PINNs): Deep Learning para Ingeniería
Encuesta
Examen
3.5. Overfitting, regularización y validación
Inicio de Sesión
Usuario Registrado
Registro Acceso Total
Registro Acceso Gratuito