This course is part of the Machine Learning with TensorFlow on Google Cloud en Español Specialization

4.4
stars
124 ratings

Google Cloud Training

3,729 already enrolled

Offered By

Machine Learning with TensorFlow on Google Cloud en Español SpecializationGoogle Cloud

About this Course

1,705 recent views

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.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 3 of 5 in the

Machine Learning with TensorFlow on Google Cloud en Español Specialization

Intermediate Level

Approx. 18 hours to complete

Spanish

Flexible deadlines

Reset deadlines in accordance to your schedule.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 3 of 5 in the

Machine Learning with TensorFlow on Google Cloud en Español Specialization

Intermediate Level

Approx. 18 hours to complete

Spanish

Instructor

Instructor rating

4.62/5 (27 Ratings)

Google Cloud Training

1,912,959 Learners

1,033 Courses

Offered by

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.

Syllabus - What you will learn from this course

Week1

Week 1

7 minutes to complete

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.

7 minutes to complete

2 videos (Total 7 min)

Week2

Week 2

3 hours to complete

Introducción a TensorFlow

3 hours to complete

5 videos (Total 22 min), 1 reading, 5 quizzes

Week3

Week 3

8 hours to complete

Diseñe y compile una canalización de datos de entrada de TensorFlow

8 hours to complete

10 videos (Total 25 min), 1 reading, 9 quizzes

10 videos

Descripción general4mTrabajo en la memoria y con los archivos3mPreparación de los datos para el entrenamiento de modelos6mIntroducción al lab: Carga de datos de CSV y NumPy28sIntroducción al lab: Carga de datos de imágenes54sIntroducción al lab: Columnas de atributos37sIntroducción al lab opcional: TFRecord y tf.Example1mEntrenamiento en grandes conjuntos de datos con la API de tf.data4mIntroducción al lab: Manipulación de datos con la API de Dataset de TensorFlow34sIntroducción al lab opcional: Análisis de funciones mediante la Validación de datos de TensorFlow y la visualización de facetas1m

1 reading

Lecturas10m

3 practice exercises

TEST DE PRÁCTICA: Preparación de los datos para el entrenamiento de modelos15mEntrenamiento en grandes conjuntos de datos con la API de tf.data30mDiseñe y compile una canalización de datos de entrada15m

Week4

Week 4

4 hours to complete

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.

4 hours to complete

5 videos (Total 23 min), 1 reading, 5 quizzes

Week5

Week 5

2 hours to complete

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.

2 hours to complete

6 videos (Total 29 min), 1 reading, 4 quizzes

Week6

Week 6

1 hour to complete

Resumen

1 hour to complete

1 video (Total 8 min), 2 readings, 1 quiz

Reviews

4.4

30 reviews

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

TOP REVIEWS FROM INTRO TO TENSORFLOW EN ESPAÑOL

by MMJan 1, 2020

Its a great introduction overall, but some of the lab codes do not match the videos. Also, I hope that this introduction will change to implementation in Tensorflow 2.0

by DANov 25, 2020

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

by JMSep 2, 2019

There are several elements regarding the labs that can be updated since I got problems that seem to be due to the versions of python or Tensorflow.

by DCAug 7, 2020

Muy bueno para conocer conceptos base de tensorFlow

View all reviews

About the Machine Learning with TensorFlow on Google Cloud en Español Specialization

¿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.

Frequently Asked Questions

Can I preview a course before enrolling?
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.
When will I have access to the lectures and assignments?
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.
What will I get when I enroll?
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.
When will I receive my 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.
Why can’t I audit this course?
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.
What is the refund policy?
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.
Is financial aid available?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

More questions? Visit the Learner Help Center.

Intro to TensorFlow en Español

About this Course