François Chung, Ph.D.

Tag: aprendizaje profundo

Aprendizaje profundo y TensorFlow

Aprendizaje profundo y TensorFlow

|

Formación Cognitive Class, MOOC (2020). Esta ruta de aprendizaje presenta los conceptos básicos de aprendizaje profundo y TensorFlow con experiencia práctica en la resolución de problemas. Durante toda la formación, TensorFlow se utiliza en el ajuste de curvas, la regresión, la clasificación y la minimización de funciones de error. Luego, este concepto se explora en el mundo del aprendizaje profundo, donde TensorFlow se aplica para la propagación hacia atrás para ajustar los pesos y los sesgos.

Curso 1: Fundamentos del aprendizaje profundo

Temas principales:

  • Introducción al aprendizaje profundo;
  • Modelos de aprendizaje profundo;
  • Modelos adicionales de aprendizaje profundo;
  • Bibliotecas y plataformas de aprendizaje profundo.

Curso 2: Aprendizaje profundo con TensorFlow

Temas principales:

  • Introducción a TensorFlow;
  • CNN - Red neuronal convolucional;
  • RNN - Red neuronal recurrente;
  • Aprendizaje sin supervisión.

Referencias

Formación

Deep learning fundamentals (Fundamentos del aprendizaje profundo, certificado del curso)
Deep Learning Essentials (insignia de certificación)
Deep learning with TensorFlow (Aprendizaje profundo con TensorFlow, certificado del curso)
Deep Learning using TensorFlow (insignia de certificación)

Artículos relacionados

AWS: fundamentos y aprendizaje automático (formación AWS)
Redes neuronales y aprendizaje profundo (formación Coursera)

Más información

Cognitive Class

Google Cloud big data y aprendizaje automático

Google Cloud: big data y aprendizaje automático

|

Formación Coursera, MOOC (2020). Esta formación en línea presenta las capacidades de big data y aprendizaje automático (ML) de Google Cloud Platform (CGP). Mediante una combinación de presentaciones, demostraciones y laboratorios prácticos, la formación brinda una descripción general de Google Cloud y una vista detallada de las soluciones de procesamiento de datos y de ML, como BigQuery, Cloud SQL, Dataproc, Pub/Sub, Dataflow y Data Studio.

Semana 1: Big data y fundamentos de ML

Temas principales:

  • Explorar un conjunto de datos públicos BigQuery;
  • Elegir el enfoque de solución adecuado;
  • Recomendar productos con Cloud SQL y Spark;
  • Predecir las compras de visitantes con BigQuery ML.

Semana 2: Desafíos de la canalización de datos moderna

Temas principales:

  • Paneles de control IoT en tiempo real;
  • Crear una canalización de datos de transmisión;
  • ML en conjuntos de datos no estructurados;
  • Clasificación de imágenes con modelos ML prediseñados.

Referencias

Formación

Google Cloud Platform Big Data and Machine Learning Fundamentals (certificado del curso)

Artículos relacionados

Azure: fundamentos, aprendizaje automático y Power BI (formación Microsoft Docs)
AWS: fundamentos y aprendizaje automático (formación AWS)
Redes neuronales y aprendizaje profundo (formación Coursera)

Más información

Coursera

Azure: fundamentos, aprendizaje automático y Power BI

Azure: fundamentos, aprendizaje automático y Power BI

|

Formación Microsoft Docs, MOOC (2020). Estos 3 cursos en línea presentan Microsoft Azure y Power BI. La formación enseña los conceptos básicos de la nube, junto con ejercicios prácticos, y brinda una descripción general de los servicios de Azure, como Azure Machine Learning (ML), que es una plataforma en la nube para entrenar, desplegar, gestionar y monitorear modelos ML. Además, la formación explica cómo utilizar Power BI y crear informes de inteligencia empresarial.

Curso 1: Fundamentos de Azure

Temas principales:

  • Principios de la computación en la nube;
  • Arquitectura de Azure y garantías de servicio;
  • Computación, almacenamiento de datos y redes;
  • Seguridad, responsabilidad y confianza;
  • Estándares de infraestructura con Azure Policy;
  • Recursos de Azure con Azure Resource Manager.

Curso 2: Aprendizaje automático de Azure

Temas principales:

  • Trabajar con datos;
  • Orquestar ML con pipelines;
  • Implementar modelos ML;
  • Automatizar la selección del modelo;
  • Ajustar hiperparámetros;
  • Monitorear modelos y la deriva de datos.

Curso 3: Power BI

Temas principales:

  • Empezar a crear con Power BI;
  • Obtener datos con Power BI Desktop;
  • Modelar y explorar datos;
  • Utilizar elementos visuales, publicar y compartir.

Referencias

Formación

Microsoft Docs (insignias y trofeos)

Artículos relacionados

Google Cloud: big data y aprendizaje automático (formación Coursera)
AWS: fundamentos y aprendizaje automático (formación AWS)
Redes neuronales y aprendizaje profundo (formación Coursera)

Más información

Microsoft Docs (Fundamentos de Azure)
Microsoft Docs (Aprendizaje automático de Azure)
Microsoft Docs (Power BI)

AWS: fundamentos y aprendizaje automático

AWS: fundamentos y aprendizaje automático

|

Formación AWS, MOOC (2020). Estos cursos en línea proporcionan una comprensión global de la nube de AWS, con una visión general de los conceptos, servicios, seguridad, arquitectura, precios y soporte de la nube. Los cursos específicos para socios de AWS enseñan las mejores prácticas para abordar las prioridades comerciales de los clientes. También se cubre el aprendizaje automático (ML), con el plan de estudios utilizado por Amazon para capacitar a sus desarrolladores y científicos de datos.

Conceptos básicos de AWS

Temas principales:

  • Servicios básicos de AWS;
  • Servicios integrados de AWS;
  • Arquitectura de AWS;
  • Seguridad de AWS;
  • Precios y soporte.

Soluciones de socios de AWS: Bases comerciales

Temas principales:

  • Desarrollar su negocio con AWS;
  • Lo que les importa a los clientes de AWS;
  • Seguridad, identidad y cumplimiento;
  • Precios y licencias;
  • Migración y adopción de la nube;
  • Gestión de oportunidades.

Soluciones de socios de AWS: Fundamentos técnicos

Temas principales:

  • Arquitectos de soluciones de AWS;
  • Conceptos arquitectónicos de AWS;
  • Bloques de construcción;
  • Well-Architected Framework de AWS;
  • Arquitectura de una solución AWS;
  • Involucrar a los clientes y diseñar soluciones.

AWS Machine Learning: Tomador de decisiones

Temas principales:

  • Desmitificando AI/ML/DL;
  • Aprendizaje automático para desafíos empresariales;
  • Terminología de aprendizaje automático;
  • Explorando el conjunto de herramientas ML.

AWS Machine Learning: Científico de datos

Temas principales:

  • Matemáticas para el aprendizaje automático;
  • Regresión lineal y logística;
  • Elementos de la ciencia de datos;
  • Decisiones de aprendizaje automático.

Referencias

Formación

AWS Business Professional (Soluciones de socios de AWS: Bases comerciales, certificado del curso)
AWS Technical Professional (Soluciones de socios de AWS: Fundamentos técnicos, certificado del curso)

Artículos relacionados

Aprendizaje profundo y TensorFlow (formación Cognitive Class)
Google Cloud: big data y aprendizaje automático (formación Coursera)
Azure: fundamentos, aprendizaje automático y Power BI (formación Microsoft Docs)
Especialización en ciencia de datos (formación Coursera)
Redes neuronales y aprendizaje profundo (formación Coursera)

Más información

AWS Cloud Practitioner Essentials (Conceptos básicos de AWS)
AWS Partner Solutions (Soluciones de socios de AWS)
AWS Machine Learning: Decision maker (AWS Machine Learning: Tomador de decisiones)
AWS Machine Learning: Data scientist (AWS Machine Learning: Científico de datos)

Redes neuronales y aprendizaje profundo

Redes neuronales y aprendizaje profundo

|

Formación Coursera, MOOC (2018). Impartida en línea por Stanford University (US), esta formación introduce las bases del aprendizaje profundo. Los principales objetivos son comprender las tendencias tecnológicas que impulsan el aprendizaje profundo, ser capaz de construir, entrenar y aplicar redes neuronales. La formación tiene como objetivo enseñar cómo funciona el aprendizaje profundo, en lugar de presentar sólo una descripción superficial.

Semana 1: Introducción al aprendizaje profundo

Temas principales:

  • ¿Qué es una red neuronal?
  • Aprendizaje supervisado con redes neuronales;
  • ¿Por qué está despegando el aprendizaje profundo?

Semana 2: Fundamentos de redes neuronales

Temas principales:

  • Clasificación binaria;
  • Regresión logística;
  • Descenso de gradiente;
  • Derivadas con un gráfico de computación;
  • Vectorización de la regresión logística.

Semana 3: Redes neuronales superficiales

Temas principales:

  • Representación de la red neuronal;
  • Computar la salida de una red neuronal;
  • Vectorizar a través de múltiples ejemplos;
  • Funciones de activación y sus derivadas;
  • Descenso de gradiente para redes neuronales;
  • Inicialización aleatoria.

Semana 4: Redes neuronales profundas

Temas principales:

  • Red neuronal multicapa;
  • Propagación hacia adelante y hacia atrás;
  • Bloques de construcción de redes;
  • Parámetros vs hiperparámetros.

Referencia

Artículos relacionados

Aprendizaje profundo y TensorFlow (formación Cognitive Class)
Google Cloud: big data y aprendizaje automático (formación Coursera)
Azure: fundamentos, aprendizaje automático y Power BI (formación Microsoft Docs)
AWS: fundamentos y aprendizaje automático (formación AWS)

Más información

Coursera

Idiomas

Artículos recientes

Categorías

Noticias

Lo reciente & Lo popular

Búsqueda