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
课程信息
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
教学大纲 - 您将从这门课程中学到什么
Week
1Introducción
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（共 7 分钟）
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（共 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 bajo分钟
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 completos分钟
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
Week
2API de Estimator
En este módulo, aprenderá sobre la API de Estimator.
18 个视频（共 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 Estimator分钟
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 lotes分钟
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 TensorBoard分钟
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 Estimator分钟
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
Week
3Escalamiento 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（共 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 Engine分钟
Solución del lab Cómo escalar TensorFlow con Cloud Machine Learning Engine16分钟
1 个练习
Cuestionario: Cloud MLE10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（共 2 分钟）
1 个视频
Resumen2分钟
关于 Google Cloud
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
>>>Si se inscribe en esta especialización acepta las Condiciones del Servicio de Qwiklabs, que se establecen en las Preguntas Frecuentes. Puede consultarlas en https://qwiklabs.com/terms_of_service.<<<
***Google Cloud y Kaggle desean invitarlo a participar en nuestra competencia amistosa de predicción de tarifas de taxis de Nueva York, que se está realizando en este momento. Para obtener más información, visite: https://www.kaggle.com/c/new-york-city-taxi-fare-prediction.***
¿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 podría 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, que escalen de forma horizontal en el entrenamiento de esos modelos 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.
常见问题
Can I preview a course before enrolling?
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
When will I have access to the lectures and assignments?
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
What will I get when I enroll?
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.
When will I receive my Course Certificate?
If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.
Why can’t I audit this course?
This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid. If you’d like to take this course, but can’t afford the course fee, we encourage you to submit a financial aid application.
What is the refund policy?
Is financial aid available?
还有其他问题吗？请访问 学生帮助中心。
