本课程是 Machine Learning with TensorFlow on Google Cloud en Español 专项课程专项课程的一部分

4.4
星
124 个评分

Google Cloud Training

3,723 人已注册

提供方

Machine Learning with TensorFlow on Google Cloud en Español 专项课程Google 云端平台

课程信息

Este curso se enfoca en aprovechar la flexibilidad y facilidad de uso de TensorFlow 2.x y Keras para compilar, entrenar e implementar modelos de aprendizaje automático.  Aprenderá sobre la jerarquía de la API de TensorFlow 2.x y conocerá los componentes principales de TensorFlow mediante ejercicios prácticos.  Le mostraremos cómo trabajar con conjuntos de datos y columnas de atributos. Aprenderá a diseñar y compilar una canalización de datos de entrada de TensorFlow 2.x.  Adquirirá experiencia práctica en la carga de arreglos de NumPy, imágenes y datos de texto con tf.data.Dataset, así como de datos de CSV con Pandas. También adquirirá experiencia práctica en la creación de columnas de atributos numéricas, categóricas, agrupadas en depósitos y con hash.
Además, le presentaremos las API secuencial y funcional de Keras para mostrarle cómo crear modelos de aprendizaje profundo.  Hablaremos sobre las funciones de activación, pérdida y optimización.  Nuestros labs prácticos sobre los notebooks de Jupyter le permitirán compilar modelos de aprendizaje automático de regresión lineal básica, y de regresión logística básica y avanzada.  Aprenderá a entrenar, implementar y llevar a producción modelos de aprendizaje automático a gran escala con AI Platform de Cloud.

可灵活调整截止日期

根据您的日程表重置截止日期。

可分享的证书

完成后获得证书

100% 在线

立即开始，按照自己的计划学习。

第 3 门课程（共 5 门）

Machine Learning with TensorFlow on Google Cloud en Español 专项课程

中级

完成时间大约为18 小时

西班牙语（Spanish）

可灵活调整截止日期

根据您的日程表重置截止日期。

可分享的证书

完成后获得证书

100% 在线

立即开始，按照自己的计划学习。

第 3 门课程（共 5 门）

Machine Learning with TensorFlow on Google Cloud en Español 专项课程

中级

完成时间大约为18 小时

西班牙语（Spanish）

授课教师

授课教师评分

4.62/5 （27 个评分）

Google Cloud Training

1,883,850 个学生

1,022 门课程

提供方

Google 云端平台

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.

授课大纲 - 您将从这门课程中学到什么

周

周 1

完成时间为 7 分钟

Introducción al curso

Este curso es una introducción a TensorFlow 2.x, que incorpora la facilidad de uso de Keras para compilar modelos de aprendizaje automático. En este curso, se abarcarán el diseño y la compilación de una canalización de datos de entrada de TensorFlow 2.x., la compilación de modelos de aprendizaje automático con TensorFlow 2.x y Keras, la mejora en la exactitud de estos modelos y su correspondiente escritura para una utilización escalada.

完成时间为 7 分钟

2 个视频（总计 7 分钟）

周

周 2

完成时间为 3 小时

Introducción a TensorFlow

完成时间为 3 小时

5 个视频（总计 22 分钟）, 1 个阅读材料, 5 个测验

5 个视频

Introducción a TensorFlow6分钟

Jerarquía de la API de TensorFlow4分钟

Componentes de TensorFlow: Tensores y variables8分钟

Introducción al lab: Introducción a los tensores y las variables1分钟

Introducción al lab: Escritura de programas de TensorFlow de bajo nivel43

1 个阅读材料

Lecturas10分钟

3 个练习

Introducción a TensorFlow15分钟

Jerarquía de la API15分钟

Tensores y variables15分钟

周

周 3

完成时间为 8 小时

Diseñe y compile una canalización de datos de entrada de TensorFlow

完成时间为 8 小时

10 个视频（总计 25 分钟）, 1 个阅读材料, 9 个测验

10 个视频

Descripción general4分钟

Trabajo en la memoria y con los archivos3分钟

Preparación de los datos para el entrenamiento de modelos6分钟

Introducción al lab: Carga de datos de CSV y NumPy28

Introducción al lab: Carga de datos de imágenes54

Introducción al lab: Columnas de atributos37

Introducción al lab opcional: TFRecord y tf.Example1分钟

Entrenamiento en grandes conjuntos de datos con la API de tf.data4分钟

Introducción al lab: Manipulación de datos con la API de Dataset de TensorFlow34

Introducción al lab opcional: Análisis de funciones mediante la Validación de datos de TensorFlow y la visualización de facetas1分钟

1 个阅读材料

Lecturas10分钟

3 个练习

TEST DE PRÁCTICA: Preparación de los datos para el entrenamiento de modelos15分钟

Entrenamiento en grandes conjuntos de datos con la API de tf.data30分钟

Diseñe y compile una canalización de datos de entrada15分钟

周

周 4

完成时间为 4 小时

Entrenamiento de redes neuronales con TensorFlow 2 y la API secuencial de Keras

En este módulo, le mostraremos cómo escribir modelos de TensorFlow con la API secuencial de Keras, pero, antes de sumergirnos en la escritura del modelo, hablaremos sobre las funciones de activación, pérdida y optimización. Luego, se le presentará la API secuencial de Keras para mostrarle cómo crear modelos de aprendizaje profundo. Además, aprenderá a implementar el modelo para la predicción en la nube.

完成时间为 4 小时

5 个视频（总计 23 分钟）, 1 个阅读材料, 5 个测验

周

周 5

完成时间为 2 小时

Entrenamiento de redes neuronales con TensorFlow 2 y la API funcional de Keras

En la mayoría de las situaciones, la API del modelo Sequential es ideal para desarrollar modelos de aprendizaje profundo, pero tiene algunas limitaciones. Por ejemplo, no define de forma directa los modelos que pueden tener varias fuentes de entrada o producir varios destinos de salida, como tampoco los modelos que reutilizan capas. La API funcional de Keras es una forma de crear modelos más flexibles que los de la API de tf.keras.Sequential. La API funcional procesa modelos con topología no lineal, capas compartidas, y varias salidas y entradas. La API funcional de Keras proporciona una forma más flexible de definir los modelos. Específicamente, le permite definir varios modelos de entrada y salida, así como los que comparten capas. Además, le permite definir grafos acíclicos de red ad hoc. La principal idea es que un modelo de aprendizaje profundo suele ser un grafo acíclico dirigido (DAG) de capas. Por lo tanto, la API funcional es una forma de compilar grafos de capas. En este módulo, también hablaremos sobre cómo la regularización puede ayudar con el rendimiento del modelo.

完成时间为 2 小时

6 个视频（总计 29 分钟）, 1 个阅读材料, 4 个测验

6 个视频

Redes neuronales con la API funcional de Keras9分钟

Regularización: Aspectos básicos4分钟

Regularización: L1, L2 y de interrupción anticipada5分钟

Regularización: De retirados5分钟

Entrega de modelos en la nube3分钟

Introducción al lab: API funcional de Keras38

1 个阅读材料

Lecturas10分钟

3 个练习

La API funcional de Keras15分钟

Regularización15分钟

Entrega de modelos en la nube15分钟

周

周 6

完成时间为 1 小时

Resumen

完成时间为 1 小时

1 个视频（总计 8 分钟）, 2 个阅读材料, 1 个测验

审阅

4.4

30 条评论

5 stars
56.45%
4 stars
33.06%
3 stars
8.06%
2 stars
0.80%
1 star
1.61%

来自INTRO TO TENSORFLOW EN ESPAÑOL的热门评论

由 DA 提供Nov 25, 2020

Es un interesante tema, en este curso entendi mejor el flujo de trabajo con tensorflow y CMLE.

由 ME 提供Sep 9, 2019

Excelente curso para las personas como yo que deseo ingresar al mundo del deep learning, a pesar de ser corto el curso es funcional para tener los conceptos básicos claros.

由 JB 提供Sep 7, 2019

So interesting but so heavy too. This course was so amaizing.

由 JF 提供Sep 16, 2020

Excellent course, was sohard for me but I'm happy that finished and learn so mucho.

查看所有评论

关于 Machine Learning with TensorFlow on Google Cloud en Español 专项课程

¿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.

常见问题

我能否在注册前预览课程？
是的，您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程，才能访问预览不包括的内容。
我注册之后会得到什么？
在您注册且班次开课之后，您将可以访问所有视频和其他资源，包括阅读材料内容和课程论坛。您将能够查看和提交练习作业，并完成所需的评分作业以获得成绩和课程证书。
我什么时候会收到课程证书？
如果您成功完成课程，您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。
我为什么不能旁听此课程？
该课程是 Coursera 上提供的为数不多的课程之一，目前只对已购买课程或已获得助学金的学生开放。
有助学金吗？
是的。如果您负担不起学习计划的注册费，则可以在选择学习计划时申请助学金或奖学金。如果您选择的学习计划提供助学金或奖学金，则您将在描述页面上看到一个申请链接。

还有其他问题吗？请访问学生帮助中心。

Intro to TensorFlow en Español

课程信息