En este documento, se propone un marco de modelado de dispositivos basado en aprendizaje profundo para la co-optimización de diseño y tecnología (DTCO). Se utiliza un modelo de sustitución ResNet como alternativa a los modelos compactos tradicionales, demostrando una alta precisión tanto en el modelado de dispositivos de una sola tarea (I-V o C-V) como en el de múltiples tareas (I-V y C-V). Además, se aplica el aprendizaje por transferencia al modelo ResNet, utilizando el modelo compacto BSIM-CMG como fuente pre-entrenada para un modelo SPICE FinFET de 12 nm. A través de este enfoque, se logra una precisión de modelado superior y una velocidad de entrenamiento más rápida en comparación con un modelo de sustitución ResNet inicializado con pesos aleatorios, cumpliendo así con las demandas rápidas y eficientes del proceso DTCO. Se demuestra la efectividad del modelo de sustitución ResNet en la simulación de circuitos para dispositivos FinFET de 12 nm.