Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning with TensorFlow on Google Cloud en Español

4.4
Sterne
124 Bewertungen

Google Cloud Training

3.738 bereits angemeldet

von

Spezialisierung Machine Learning with TensorFlow on Google Cloud en EspañolGoogle Cloud

Über diesen Kurs

1.686 kürzliche Aufrufe

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.
Además, le presentaremos las API secuencial y funcional de Keras para mostrarle cómo crear modelos de aprendizaje profundo.  Hablaremos sobre las funciones de activación, pérdida y optimización.  Nuestros labs prácticos sobre los notebooks de Jupyter le permitirán compilar modelos de aprendizaje automático de regresión lineal básica, y de regresión logística básica y avanzada.  Aprenderá a entrenar, implementar y llevar a producción modelos de aprendizaje automático a gran escala con AI Platform de Cloud.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 5 in

Spezialisierung Machine Learning with TensorFlow on Google Cloud en Español

Stufe „Mittel“

Ca. 18 Stunden zum Abschließen

Spanisch

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 5 in

Spezialisierung Machine Learning with TensorFlow on Google Cloud en Español

Stufe „Mittel“

Ca. 18 Stunden zum Abschließen

Spanisch

Dozent

Dozentenbewertung

4,62/5 (27 Bewertungen)

Google Cloud Training

1.926.846 Lernende

1.041 Kurse

von

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.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

7 Minuten zum Abschließen

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.

7 Minuten zum Abschließen

2 Videos (Gesamt 7 min)

Woche2

Woche 2

3 Stunden zum Abschließen

Introducción a TensorFlow

3 Stunden zum Abschließen

5 Videos (Gesamt 22 min), 1 Lektüre, 5 Quiz

Woche3

Woche 3

8 Stunden zum Abschließen

Diseñe y compile una canalización de datos de entrada de TensorFlow

8 Stunden zum Abschließen

10 Videos (Gesamt 25 min), 1 Lektüre, 9 Quiz

10 Videos

Descripción general4mTrabajo en la memoria y con los archivos3mPreparación de los datos para el entrenamiento de modelos6mIntroducción al lab: Carga de datos de CSV y NumPy28Introducción al lab: Carga de datos de imágenes54Introducción al lab: Columnas de atributos37Introducción al lab opcional: TFRecord y tf.Example1mEntrenamiento en grandes conjuntos de datos con la API de tf.data4mIntroducción al lab: Manipulación de datos con la API de Dataset de TensorFlow34Introducción al lab opcional: Análisis de funciones mediante la Validación de datos de TensorFlow y la visualización de facetas1m

1 Lektüre

Lecturas10m

3 praktische Übungen

TEST DE PRÁCTICA: Preparación de los datos para el entrenamiento de modelos15mEntrenamiento en grandes conjuntos de datos con la API de tf.data30mDiseñe y compile una canalización de datos de entrada15m

Woche4

Woche 4

4 Stunden zum Abschließen

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.

4 Stunden zum Abschließen

5 Videos (Gesamt 23 min), 1 Lektüre, 5 Quiz

Woche5

Woche 5

2 Stunden zum Abschließen

Entrenamiento de redes neuronales con TensorFlow 2 y la API funcional de Keras

En la mayoría de las situaciones, la API del modelo Sequential es ideal para desarrollar modelos de aprendizaje profundo, pero tiene algunas limitaciones. Por ejemplo, no define de forma directa los modelos que pueden tener varias fuentes de entrada o producir varios destinos de salida, como tampoco los modelos que reutilizan capas. La API funcional de Keras es una forma de crear modelos más flexibles que los de la API de tf.keras.Sequential. La API funcional procesa modelos con topología no lineal, capas compartidas, y varias salidas y entradas. La API funcional de Keras proporciona una forma más flexible de definir los modelos. Específicamente, le permite definir varios modelos de entrada y salida, así como los que comparten capas. Además, le permite definir grafos acíclicos de red ad hoc. La principal idea es que un modelo de aprendizaje profundo suele ser un grafo acíclico dirigido (DAG) de capas. Por lo tanto, la API funcional es una forma de compilar grafos de capas. En este módulo, también hablaremos sobre cómo la regularización puede ayudar con el rendimiento del modelo.

2 Stunden zum Abschließen

6 Videos (Gesamt 29 min), 1 Lektüre, 4 Quiz

Woche6

Woche 6

1 Stunde zum Abschließen

Resumen

1 Stunde zum Abschließen

1 Video (Gesamt 8 min), 2 Lektüren, 1 Quiz

Bewertungen

4.4

30 Bewertungen

5 stars
56,45 %
4 stars
33,06 %
3 stars
8,06 %
2 stars
0,80 %
1 star
1,61 %

Top-Bewertungen von INTRO TO TENSORFLOW EN ESPAÑOL

von MM1. Jan. 2020

Its a great introduction overall, but some of the lab codes do not match the videos. Also, I hope that this introduction will change to implementation in Tensorflow 2.0

von ME9. Sep. 2019

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.

von DA25. Nov. 2020

Es un interesante tema, en este curso entendi mejor el flujo de trabajo con tensorflow y CMLE.

von JF16. Sep. 2020

Excellent course, was sohard for me but I'm happy that finished and learn so mucho.

Alle Bewertungen anzeigen

Über den Spezialisierung Machine Learning with TensorFlow on Google Cloud en Español

¿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.

Häufig gestellte Fragen

Kann ich vor der Anmeldung eine Vorschau des Kurses ansehen?
Ja, Sie können eine Vorschau des ersten Videos und den Lehrplan ansehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um Zugriff auf die Inhalte zu erhalten, die nicht in der Vorschau inbegriffen sind.
Was bekomme ich, wenn ich mich anmelde?
Sobald Sie sich anmelden und Ihre Kurseinheit beginnt, haben Sie Zugriff auf alle Videos und andere Ressourcen, einschließlich der Texte und des Kurs-Diskussionsforums. Sie können praktische Aufgaben ansehen und einreichen und erforderliche bewertete Aufgaben abschließen, um eine Bewertung und ein Kurszertifikat zu erhalten.
Wann erhalte ich mein Kurszertifikat?
Wenn Sie den Kurs erfolgreich abschließen, wird der Seite „Errungenschaften“ Ihr elektronisches Kurszertifikat hinzugefügt – von dort können Sie Ihr Kurszertifikat ausdrucken oder es zu Ihrem LinkedIn-Profil hinzufügen.
Warum kann ich nicht als Gast an diesem Kurs teilnehmen?
Dieser Kurs ist einer der wenigen auf Coursera angebotenen Kurse, die derzeit ausschließlich für Kursteilnehmer zugänglich sind, die bezahlt oder finanzielle Unterstützung erhalten haben, wenn diese verfügbar ist.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Intro to TensorFlow en Español

Über diesen Kurs