Este curso se enfoca en aprovechar la flexibilidad y facilidad de uso de TensorFlow 2.x y Keras para compilar, entrenar e implementar modelos de aprendizaje automático. Aprenderá sobre la jerarquía de la API de TensorFlow 2.x y conocerá los componentes principales de TensorFlow mediante ejercicios prácticos. Le mostraremos cómo trabajar con conjuntos de datos y columnas de atributos. Aprenderá a diseñar y compilar una canalización de datos de entrada de TensorFlow 2.x. Adquirirá experiencia práctica en la carga de arreglos de NumPy, imágenes y datos de texto con tf.data.Dataset, así como de datos de CSV con Pandas. También adquirirá experiencia práctica en la creación de columnas de atributos numéricas, categóricas, agrupadas en depósitos y con hash.
本课程是 Machine Learning with TensorFlow on Google Cloud en Español 专项课程 专项课程的一部分
提供方
课程信息
提供方
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.
授课大纲 - 您将从这门课程中学到什么
Introducción al curso
Este curso es una introducción a TensorFlow 2.x, que incorpora la facilidad de uso de Keras para compilar modelos de aprendizaje automático. En este curso, se abarcarán el diseño y la compilación de una canalización de datos de entrada de TensorFlow 2.x., la compilación de modelos de aprendizaje automático con TensorFlow 2.x y Keras, la mejora en la exactitud de estos modelos y su correspondiente escritura para una utilización escalada.
Introducción a TensorFlow
Le mostraremos el nuevo paradigma de TensorFlow 2.x. Aprenderá sobre la jerarquía de la API de TensorFlow y conocerá los componentes principales de TensorFlow, los tensores y las variables, mediante ejercicios prácticos.
Diseñe y compile una canalización de datos de entrada de TensorFlow
Le mostraremos cómo trabajar con conjuntos de datos y columnas de atributos. Adquirirá experiencia práctica en la carga de arreglos de NumPy, imágenes y datos de texto con tf.data.Dataset, así como de datos de CSV con Pandas. También adquirirá experiencia práctica en la creación de columnas de atributos numéricas, categóricas, agrupadas en depósitos y con hash.
Entrenamiento de redes neuronales con TensorFlow 2 y la API secuencial de Keras
En este módulo, le mostraremos cómo escribir modelos de TensorFlow con la API secuencial de Keras, pero, antes de sumergirnos en la escritura del modelo, hablaremos sobre las funciones de activación, pérdida y optimización. Luego, se le presentará la API secuencial de Keras para mostrarle cómo crear modelos de aprendizaje profundo. Además, aprenderá a implementar el modelo para la predicción en la nube.
审阅
- 5 stars56.09%
- 4 stars33.33%
- 3 stars8.13%
- 2 stars0.81%
- 1 star1.62%
来自INTRO TO TENSORFLOW EN ESPAÑOL的热门评论
Muy bueno para conocer conceptos base de tensorFlow
There are several elements regarding the labs that can be updated since I got problems that seem to be due to the versions of python or Tensorflow.
Excellent course, was sohard for me but I'm happy that finished and learn so mucho.
Excelente curso para las personas como yo que deseo ingresar al mundo del deep learning, a pesar de ser corto el curso es funcional para tener los conceptos básicos claros.
关于 Machine Learning with TensorFlow on Google Cloud 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.
常见问题
我能否在注册前预览课程？
我注册之后会得到什么？
我什么时候会收到课程证书？
我为什么不能旁听此课程？
有助学金吗？
还有其他问题吗？请访问 学生帮助中心。
