Comenzaremos con la historia del aprendizaje automático y discutiremos por qué las redes neuronales actualmente dan tan buenos resultados para una gran variedad de problemas de la ciencia de datos. Luego, veremos cómo configurar un problema de aprendizaje supervisado y encontrar una buena solución mediante el descenso de gradientes. Para esto, será necesario crear conjuntos de datos que permitan la generalización. Hablaremos sobre los métodos para hacerlo de una forma repetible que respalde la experimentación.
Ce cours fait partie de la Spécialisation Machine Learning with TensorFlow on Google Cloud Platform en Español
Offert par
À propos de ce cours
4,205 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 7 heures pour terminer
Espagnol
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 7 heures pour terminer
Espagnol
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais
Offert par
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.
Programme du cours : ce que vous apprendrez dans ce cours
4 minutes pour terminer
Introducción
En este curso, obtendrá conocimientos fundamentales sobre el AA que le brindarán una comprensión más clara de la terminología que usamos durante la especialización. También conocerá sugerencias prácticas y resolverá problemas comunes de los especialistas en AA de Google, de manera que cuando termine el curso cuente con el código y el conocimiento suficientes para poner en marcha sus propios modelos de AA.
4 minutes pour terminer
1 vidéo (Total 4 min)
1 vidéo
Introducción4 min
2 heures pour terminer
AA en la práctica
En este módulo, presentaremos algunos de los principales tipos de aprendizaje automático y repasaremos la historia del AA hasta la situación actual con el fin de acelerar su crecimiento como especialista en el tema.
2 heures pour terminer
10 vidéos (Total 62 min)
10 vidéos
Introducción1 min
Aprendizaje supervisado5 min
Regresión y clasificación11 min
Breve reseña del AA: Regresión lineal7 min
Breve reseña del AA: Perceptrón5 min
Breve reseña del AA: Redes neuronales7 min
Breve reseña del AA: Árboles de decisión5 min
Breve reseña del AA: Métodos de kernel4 min
Breve reseña del AA: Bosques aleatorios4 min
Breve reseña del AA: Redes neuronales modernas8 min
1 exercice pour s'entraîner
Cuestionario del módulo30 min
2 heures pour terminer
Optimización
En este módulo, explicaremos cómo optimizar sus modelos de AA.
2 heures pour terminer
13 vidéos (Total 61 min)
13 vidéos
Introducción42s
Definición de modelos de AA4 min
Presentación del conjunto de datos sobre natalidad6 min
Introducción a las funciones de pérdida6 min
Descenso de gradientes5 min
Solución de problemas de una curva de pérdidas2 min
Problemas con el modelo de AA6 min
Lab: Presentación de TensorFlow Playground6 min
Lab: TensorFlow Playground avanzado3 min
Lab: Práctica con redes neuronales6 min
Solución de problemas en la curva de pérdidas1 min
Métricas de rendimiento3 min
Matriz de confusión5 min
1 exercice pour s'entraîner
Module Quiz30 min
4 heures pour terminer
Generalización y muestreo
Ahora debemos hacernos una pregunta un tanto extraña: ¿Cuándo es mejor no elegir el modelo de AA más preciso? Como mencionamos en el módulo anterior sobre optimización, el hecho de que un modelo tenga una métrica de pérdida de 0 con el conjunto de datos de entrenamiento no implica necesariamente que dé buenos resultados con datos nuevos en un caso práctico real.
4 heures pour terminer
9 vidéos (Total 64 min)
9 vidéos
Introducción1 min
Generalización y modelos de AA6 min
Cuándo detener el entrenamiento de modelos5 min
Cree muestras repetibles en BigQuery6 min
Demostración: División de conjuntos de datos en BigQuery8 min
Introducción al lab1 min
Explicación de la solución del lab9 min
Introducción al lab2 min
Explicación de la solución del lab23 min
1 exercice pour s'entraîner
Cuestionario del módulo30 min
3 minutes pour terminer
Resumen
3 minutes pour terminer
1 vidéo (Total 3 min)
1 vidéo
Resumen del módulo2 min
Avis
Meilleurs avis pour LAUNCHING INTO MACHINE LEARNING EN ESPAÑOL
par PD16 juil. 2019
Muy buen material, las explicaciones son muy claras y didacticas. Se puede mejorar con mas ejemplos sobre la aplicacion de los conceptos tratados en las clases y su aplicación en la vida real
par SG29 déc. 2018
Es algo confuso para los que no sabemos de SQL, pero al final se logra aprender acerca de como generar buenos Datasets mediante BigQuery y en general de uno propio.
par AA22 nov. 2018
Es muy útil este modulo para hacer el análisis de los datos y obtener una metodología para repetir los datos de entrenamiento, prueba y validación.
par G27 oct. 2020
Muy buen curso para personas que apenas estamos entrando a esta área de conocimiento. Muy claras las explicaciones y muy buenos los laboratorios
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.
Foire Aux Questions
Puis-je prévisualiser un cours avant de m'inscrire ?
À quoi ai-je droit si je m'inscris ?
Quand recevrai-je mon Certificat de Cours ?
Pourquoi ne puis-je pas assister à ce cours en auditeur libre ?
Is financial aid available?
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
