Presentaremos TensorFlow de bajo nivel y abordaremos las API y los conceptos necesarios para poder escribir modelos de aprendizaje automático distribuido. Con un modelo de TensorFlow, explicaremos cómo escalar de manera horizontal el entrenamiento de ese modelo y ofreceremos predicciones de alto rendimiento mediante Cloud Machine Learning Engine. Objetivos del curso: Crear modelos de aprendizaje automático en TensorFlow Usar las bibliotecas de TensorFlow para resolver problemas numéricos Solucionar problemas y depurar errores de código comunes de TensorFlow Usar tf_estimator para crear, entrenar y evaluar un modelo de AA Entrenar, implementar y llevar a producción modelos de AA a gran escala con Cloud ML Engine
本课程是 Machine Learning with TensorFlow on Google Cloud Platform en Español 专项课程 专项课程的一部分
Intro to TensorFlow en Español
提供方
教学大纲 - 您将从这门课程中学到什么
周
1完成时间为 7 分钟
Introducción
Comenzaremos el curso con una introducción de TensorFlow, la herramienta que usaremos para escribir programas de aprendizaje automático. En el primer curso, aprendió a formular problemas de negocios como problemas de aprendizaje automático. En el segundo, aprendió cómo funciona el aprendizaje automático en la práctica y cómo crear conjuntos de datos para ese uso específico. Ahora que ya cuenta con los datos necesarios, es hora de prepararse para escribir programas de aprendizaje automático.
2 个视频 （总计 7 分钟）
完成时间为 3 小时
Aspectos básicos de TensorFlow
Le presentaremos los componentes centrales de TensorFlow y obtendrá experiencia práctica en la compilación de programas de aprendizaje automático. Comparará y escribirá programas imperativos y de evaluación perezosa; trabajará con gráficos, sesiones y variables y, por último, depurará programas de TensorFlow.
19 个视频 （总计 72 分钟）, 4 个测验
19 个视频
Introducción1分钟
¿Qué es TensorFlow?2分钟
Beneficios de un grafo dirigido5分钟
Jerarquía de la API de TensorFlow3分钟
Evaluación perezosa4分钟
Gráficos y sesiones4分钟
Cómo evaluar un tensor2分钟
Cómo visualizar un grafo2分钟
Tensores6分钟
Variables6分钟
Introducción al lab Escritura de programas de TensorFlow de nivel bajo16
Solución del lab8分钟
Introducción5分钟
Problemas de forma3分钟
Cómo corregir problemas de forma2分钟
Problemas de tipos de datos1分钟
Depuración de programas completos4分钟
Introducción a la depuración de programas completos15
Demostración: Depuración de programas completos3分钟
3 个练习
¿Qué es TensorFlow?2分钟
Gráfico y sesión8分钟
Aspectos básicos de TensorFlow20分钟
周
2完成时间为 4 小时
API de Estimator
En este módulo, aprenderá sobre la API de Estimator.
18 个视频 （总计 67 分钟）, 4 个测验
18 个视频
Introducción1分钟
API de Estimator3分钟
Estimadores prediseñados5分钟
Demostración: Modelo de predicción de precios de viviendas1分钟
Controles1分钟
Entrenamiento de conjuntos de datos en la memoria2分钟
Introducción al lab API de Estimator39
Solución del lab API de Estimator10分钟
Entrenamiento de conjuntos de datos grandes con la API de Dataset8分钟
Introducción al lab Cómo escalar la transferencia de TensorFlow mediante lotes35
Solución del lab Cómo escalar la transferencia de TensorFlow mediante lotes5分钟
Trabajos grandes y entrenamiento distribuido6分钟
Supervisión con TensorBoard3分钟
Demostración de la IU de TensorBoard28
Función de entradas de entregas5分钟
Resumen: API de Estimator1分钟
Introducción al lab Creación de un modelo de TensorFlow para entrenamiento distribuido con la API de Estimator51
Solución del lab: Creación de un modelo de TensorFlow para entrenamiento distribuido con la API de Estimator7分钟
1 个练习
Estimator API18分钟
周
3完成时间为 2 小时
Escalamiento de modelos de TensorFlow con CMLE
En esta sesión, hablaremos sobre cómo tomar un modelo de TensorFlow y entrenarlo en la infraestructura administrada de GCP para el entrenamiento y la implementación de modelos de aprendizaje automático.
6 个视频 （总计 29 分钟）, 2 个测验
6 个视频
¿Por qué usar Cloud Machine Learning Engine?6分钟
Entrenamiento de un modelo2分钟
Implementación y supervisión de trabajos de entrenamiento2分钟
Introducción al lab Cómo escalar TensorFlow con Cloud Machine Learning Engine50
Solución del lab Cómo escalar TensorFlow con Cloud Machine Learning Engine16分钟
1 个练习
Cuestionario: Cloud MLE10分钟
完成时间为 2 分钟
Resumen
En esta sesión, resumimos los temas de TensorFlow que se trataron durante este curso. Repasaremos el código básico de TensorFlow y la API de Estimator, y terminaremos con el escalamiento de los modelos de aprendizaje automático con Cloud Machine Learning Engine.
1 个视频 （总计 2 分钟）
1 个视频
Resumen2分钟
4.5
11 个审阅来自Intro to TensorFlow en Español的热门评论
So interesting but so heavy too. This course was so amaizing.
Estoy feliz...Excellente curso quiero aprender màs
关于 Google 云端平台
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
关于 Machine Learning with TensorFlow on Google Cloud Platform en Español 专项课程
¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar? ¿Cuáles son las cinco fases para convertir un posible caso práctico en un recurso que pueda aprovechar la tecnología de aprendizaje automático? ¿Por qué es importante no saltarse fases? ¿Por qué las redes neuronales son tan populares? ¿Cómo plantear un problema de aprendizaje supervisado y encontrar una buena solución generalizable mediante un descenso de gradientes y una forma meditada de crear conjuntos de datos? Aprenda a escribir modelos de aprendizaje automático distribuido que escalen en Tensorflow y que brinden predicciones de alto rendimiento. Convierta los datos sin procesar en funciones de una forma que permita al AA aprender características importantes de los datos y aportar una percepción humana para abordar los problemas. Por último, aprenda a incorporar la combinación adecuada de parámetros que desarrolle modelos generalizados y exactos, y conozca la teoría para solucionar determinados tipos de problemas de AA. Experimentará con el AA de extremo a extremo, a partir de la construcción de una estrategia centrada en el AA y el avance hacia el entrenamiento, optimización y producción de modelos con labs prácticos mediante Google Cloud Platform.
>>> Al inscribirse en esta especialización acepta los Términos de Servicio de Qwiklabs según lo establecido en las Preguntas Frecuentes, disponibles en el apartado: https://qwiklabs.com/terms_of_service <<<
常见问题
我能否在注册前预览课程？
是的，您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程，才能访问预览不包括的内容。
我什么时候能够访问课程视频和作业？
如果您决定在班次开始日期之前注册课程，那么您将可以访问课程的所有课程视频和阅读材料。班次开始之后，您便可以提交作业。
我注册之后会得到什么？
在您注册且班次开课之后，您将可以访问所有视频和其他资源，包括阅读材料内容和课程论坛。您将能够查看和提交练习作业，并完成所需的评分作业以获得成绩和课程证书。
我什么时候会收到课程证书？
如果您成功完成课程，您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。
我为什么不能旁听此课程？
该课程是 Coursera 上提供的为数不多的课程之一，目前只对已购买课程或已获得助学金的学生开放。
退款政策是如何规定的？
有助学金吗？
还有其他问题吗？请访问 学生帮助中心。