Machine Learning y Deep Learning con TensorFlow

  • Nivel del curso: Experto
  • Categorías Data Science
  • Duración 32h
  • Última actualización 7 junio, 2022

Acerca de este curso

TensorFlow es la biblioteca más popular construida desde cero para entornos distribuidos, en la nube y móviles. TensorFlow representa los datos como tensores y el cálculo como grafos. Este curso le permite explorar las funciones desde básicas hasta avanzadas de TensorFlow. Obtendrá información sobre TensorFlow Core, Keras, Estimadores de TF, TFLearn, TF Slim, Pretty Tensor y Sonnet. Aproveche el poder de TensorFlow y Keras para construir modelos de aprendizaje profundo, utilizando conceptos como el aprendizaje por transferencia, las redes adversas generativas y el aprendizaje profundo por refuerzo. A lo largo del curso, obtendrá experiencia práctica con conjuntos de datos variados, como MNIST, CIFAR-10, PTB, text8 y COCO-Images.

Descripción

> Módulo 1: TensorFlow 101

¿Qué es TensorFlow? 

TensorFlow Core 

Data flow graph ó Computation graph 

TensorBoard

 

> Módulo 2: Bibliotecas de alto nivel para TensorFlow

Estimador de TF – anteriormente TF Learn 

TF Slim

TFLearn

PrettyTensor

Sonnet

 

> Módulo 3: Keras 101

Instalando keras

Modelos de redes neuronales en Keras

Creando el modelo de Keras

Keras Layers

Añadiendo capas al modelo de Keras

Compilando el modelo de Keras.

Entrenando el modelo Keras.

Prediciendo con el modelo Keras.

Módulos adicionales en Keras.

Ejemplo de modelo secuencial de Keras para el conjunto de datos MNIST

 

> Módulo 4: Machine Learning clásico con TensorFlow

Regresión lineal simple

Regresión múltiple

Regresión regularizada

Clasificación mediante regresión logística.

Clasificación binaria

Clasificación multiclase

 

> Módulo 5: Redes neuronales y MLP con TensorFlow y Keras.

El perceptron

Perceptron MultiLayer

MLP para la clasificación de imágenes

MLP para regresión de series de tiempo

 

> Módulo 6: RNN con TensorFlow y Keras

Red neuronal simple recurrente

Variantes de RNN

Red LSTM

Red GRU

TensorFlow para RNN

Keras para RNN

Áreas de aplicación de las RNNs.

RNN en Keras para datos MNIST

 

> Módulo 7: RNN para datos de series de tiempo con TensorFlow y Keras

Conjunto de datos de pasajeros de aerolíneas

Preprocesamiento del conjunto de datos para modelos RNN con TensorFlow

RNN simple en TensorFlow

LSTM en TensorFlow

GRU en TensorFlow

Preprocesamiento del conjunto de datos para modelos RNN con Keras

RNN simple con keras

LSTM con Keras

GRU con Keras

 

> Módulo 8: RNN para datos de texto con TensorFlow y Keras

Representaciones vectoriales de palabras

Preparando los datos para los modelos de word2vec.

Modelo skip-gram con TensorFlow

Visualizar la palabra usando t-SNE

modelo skip-gram con keras

Generación de texto con modelos RNN en TensorFlow y Keras.

 

> Módulo 9: CNN con TensorFlow y Keras

Entendiendo la convolución

Comprensión de la agrupación

Patrón de arquitectura CNN – LeNet

LeNet para datos MNIST

LeNet para datos CIFAR10

 

> Módulo 10: Autoencoder con TensorFlow y Keras

Tipos de autoencoder

Autoencoder apilado en TensorFlow

Autoencoder apilado en Keras

Denoising autoencoder en TensorFlow

Denoising autoencoder en keras

Autoencoder variacional en TensorFlow

Autoencoder variacional en keras

¿Qué aprenderé?

  • Conocimiento profundo de TensorFlow, lo que lo convierte en la persona a quien acudir para resolver problemas de IA, machine learning y deep learning.
  • Las habilidades que necesita para construir sistemas de machine learning y deep learning más inteligentes, rápidos y eficientes.
  • Trabajar con datos variados, como MNIST, CIFAR-10, PTB, text8 y COCO-Images.
$8,584.00

Materiales incluidos

  • Material de apoyo digital
  • Certificado de finalización
  • Grabación de las clases en vivo
  • NFT de finalización del curso (próximamente)

Requisitos

  • Computadora con sistema operativo Windows, Mac o Linux
  • Conexión estable a internet
  • Cámara y micrófono
  • Actitud de participación

Audiencia objetivo

  • Desarrolladores y público en general con experiencia previa programando con Python por lo menos a nivel intermedio/avanzado y bases sólidas de Álgebra Lineal, Probabilidad y Estadística, con interés en aprender a desarrollar aplicaciones implementando machine learning y deep learning.
  • ¿AÚN TE QUEDAN DUDAS? CONSULTA NUESTRA SECCIÓN DE PREGUNTAS FRECUENTES .
  • ¿BUSCAS COTIZAR ESTE CURSO PARA CAPACITAR A TU EMPRESA U ORGANIZACIÓN? CONTÁCTANOS .