À propos de ce cours

4,392 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 6 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.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 6 heures pour terminer
Espagnol
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais...

Offert par

Logo Google Cloud

Google Cloud

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

4 minutes pour terminer

Introducción

4 minutes pour terminer
1 vidéo (Total 4 min)
1 vidéo
1 heure pour terminer

AA en la práctica

1 heure pour terminer
10 vidéos (Total 62 min)
10 vidéos
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 módulo6 min
1 heure pour terminer

Optimización

1 heure pour terminer
13 vidéos (Total 61 min)
13 vidéos
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 Quiz6 min
3 heures pour terminer

Generalización y muestreo

3 heures pour terminer
9 vidéos (Total 64 min)
9 vidéos
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 módulo12 min
3 minutes pour terminer

Resumen

3 minutes pour terminer
1 vidéo (Total 3 min)
1 vidéo

Avis

Meilleurs avis pour LAUNCHING INTO MACHINE LEARNING EN ESPAÑOL

Voir tous les avis

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 <<<...
Machine Learning with TensorFlow on Google Cloud Platform en Español

Foire Aux Questions

  • Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

  • If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

  • Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

  • If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

  • This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.