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
Ce cours fait partie de la Spécialisation Machine Learning with TensorFlow on Google Cloud Platform en Español
Intro to TensorFlow en Español
Offert par
À propos de ce cours
4,890 consultations récentes
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 3 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 18 heures pour terminer
Recommandé : 1 semana de estudio, de 8 a 10 horas por semana
Espagnol
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
17 minutes pour terminer
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 vidéos (Total 7 min)
3 heures pour terminer
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 vidéos (Total 72 min), 4 quiz
19 vidéos
Introducción1 min
¿Qué es TensorFlow?2 min
Beneficios de un grafo dirigido5 min
Jerarquía de la API de TensorFlow3 min
Evaluación perezosa4 min
Gráficos y sesiones4 min
Cómo evaluar un tensor2 min
Cómo visualizar un grafo2 min
Tensores6 min
Variables6 min
Introducción al lab Escritura de programas de TensorFlow de nivel bajo16s
Solución del lab8 min
Introducción5 min
Problemas de forma3 min
Cómo corregir problemas de forma2 min
Problemas de tipos de datos1 min
Depuración de programas completos4 min
Introducción a la depuración de programas completos15s
Demostración: Depuración de programas completos3 min
3 exercices pour s'entraîner
¿Qué es TensorFlow?2 min
Gráfico y sesión8 min
Aspectos básicos de TensorFlow20 min
Semaine
24 heures pour terminer
API de Estimator
En este módulo, aprenderá sobre la API de Estimator.
18 vidéos (Total 67 min), 4 quiz
18 vidéos
Introducción1 min
API de Estimator3 min
Estimadores prediseñados5 min
Demostración: Modelo de predicción de precios de viviendas1 min
Controles1 min
Entrenamiento de conjuntos de datos en la memoria2 min
Introducción al lab API de Estimator39s
Solución del lab API de Estimator10 min
Entrenamiento de conjuntos de datos grandes con la API de Dataset8 min
Introducción al lab Cómo escalar la transferencia de TensorFlow mediante lotes35s
Solución del lab Cómo escalar la transferencia de TensorFlow mediante lotes5 min
Trabajos grandes y entrenamiento distribuido6 min
Supervisión con TensorBoard3 min
Demostración de la IU de TensorBoard28s
Función de entradas de entregas5 min
Resumen: API de Estimator1 min
Introducción al lab Creación de un modelo de TensorFlow para entrenamiento distribuido con la API de Estimator51s
Solución del lab: Creación de un modelo de TensorFlow para entrenamiento distribuido con la API de Estimator7 min
1 exercice pour s'entraîner
Estimator API18 min
Semaine
32 heures pour terminer
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 vidéos (Total 29 min), 2 quiz
6 vidéos
Introducción31s
¿Por qué usar Cloud Machine Learning Engine?6 min
Entrenamiento de un modelo2 min
Implementación y supervisión de trabajos de entrenamiento2 min
Introducción al lab Cómo escalar TensorFlow con Cloud Machine Learning Engine50s
Solución del lab Cómo escalar TensorFlow con Cloud Machine Learning Engine16 min
1 exercice pour s'entraîner
Cuestionario: Cloud MLE10 min
2 minutes pour terminer
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 vidéo (Total 2 min)
1 vidéo
Resumen2 min
4.4
14 avisMeilleurs avis pour Intro to TensorFlow en Español
Contiene información valiosa de Tensorflow como herramienta y funcionamiento.
So interesting but so heavy too. This course was so amaizing.
À propos de 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.
À propos du Spécialisation Machine Learning with TensorFlow on Google Cloud Platform 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.
>>> 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 <<<
Foire Aux Questions
Puis-je prévisualiser un cours avant de m'inscrire ?
Oui, vous pouvez prévisualiser la première vidéo et consulter le programme du cours avant de vous inscrire. Vous devez acheter le cours pour accéder au contenu non inclus dans la prévisualisation.
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Si vous décidez de vous inscrire au cours avant la date de début de session, vous aurez accès à toutes les vidéos et lectures du cours. Vous pourrez soumettre des devoirs à partir du début de la session.
À quoi ai-je droit si je m'inscris ?
Une fois que vous êtes inscrit(e) et que votre session commence, vous avez accès à toutes les vidéos et aux autres ressources, y compris les éléments à lire et le forum de discussion du cours. Vous pouvez afficher et soumettre des devoirs pour vous exercer, et terminer les devoirs notés requis pour obtenir une note et un Certificat de Cours.
Quand recevrai-je mon Certificat de Cours ?
Si vous réussissez le cours, votre Certificat de Cours électronique sera ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat de Cours ou l'ajouter à votre profil LinkedIn.
Pourquoi ne puis-je pas assister à ce cours en auditeur libre ?
Ce cours fait partie du nombre restreint de cours proposés par Coursera actuellement disponibles uniquement aux étudiants ayant payé les frais du cours ou bénéficié de l'Aide Financière, lorsqu'elle est disponible.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.