基于Google云平台的TensorFlow机器学习 西班牙语

课程概况

¿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

包含课程

课程1
How Google does Machine Learning en Español

¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar? En Google, tenemos una perspectiva ligeramente distinta sobre el aprendizaje automático: no se trata solo de los datos, sino también de la lógica. Hablamos de por qué un marco de este tipo es útil cuando pensamos en la creación de una canalización de modelos de aprendizaje automático. Luego, analizamos cinco fases para convertir un posible caso práctico en un recurso que pueda aprovechar la tecnología de aprendizaje automático y por qué es importante no saltarse fases. Finalizamos con un reconocimiento de los sesgos que puede amplificar el aprendizaje automático y cómo reconocerlos.

课程2
Launching into Machine Learning en Español

A partir de una historia del aprendizaje automático, analizamos por qué las redes neuronales, en la actualidad, ofrecen un alto rendimiento ante una variedad de problemas. Luego, analizaremos cómo configurar un problema de aprendizaje supervisado y encontrar una solución adecuada mediante el descenso de gradientes. Esto incluye crear conjuntos de datos que permitan la generalización; hablaremos sobre los métodos para hacerlo de una manera repetible que admita la experimentación.Objetivos del curso:
Identificar por qué el aprendizaje profundo es popular en la actualidad
Optimizar y evaluar los modelos mediante las funciones de pérdida y las métricas de rendimiento
Mitigar los problemas comunes que surgen en el aprendizaje automático
Crear conjuntos de datos de entrenamiento, evaluación y prueba, repetibles y escalables

课程3
Intro to TensorFlow en Español

Presentaremos TensorFlow de bajo nivel y abordaremos las API y los conceptos necesarios para poder escribir modelos de aprendizaje automático distribuido. Con un modelo de TensorFlow, explicaremos cómo escalar de manera horizontal el entrenamiento de ese modelo y ofreceremos predicciones de alto rendimiento mediante Cloud Machine Learning Engine.Objetivos del curso:
Crear modelos de aprendizaje automático en TensorFlow
Usar las bibliotecas de TensorFlow para resolver problemas numéricos
Solucionar problemas y depurar errores de código comunes de TensorFlow
Usar tf_estimator para crear, entrenar y evaluar un modelo de AA
Entrenar, implementar y llevar a producción modelos de AA a gran escala con Cloud ML Engine

课程4
Feature Engineering en Español

¿Desea saber cómo mejorar la precisión de sus modelos de aprendizaje automático? ¿Cuál es la forma de saber qué columnas de datos se prestan para las funciones más útiles? Bienvenido a Feature Engineering en Google Cloud Platform, el curso en el que hablaremos de cómo reconocer buenas funciones, y cómo puede preprocesarlas y transformarlas para usarlas de forma óptima en sus modelos de aprendizaje automático.En este curso, practicará cómo elegir funciones y preprocesarlas en Google Cloud Platform mediante labs interactivos. Nuestros instructores lo guiarán por las soluciones de código, que también se harán públicas para que las consulte mientras trabaja en sus propios proyectos de AA en el futuro.

课程5
Art and Science of Machine Learning en Español

Bienvenido al curso The Art and Science of Machine Learning. En este curso, adquirirá las competencias básicas de intuición de AA, evaluación de modelos de AA y experimentación con ellos para realizar los ajustes y optimizaciones correspondientes a fin de obtener el mejor rendimiento posible. También aprenderá los mecanismos necesarios para entrenar modelos. Primero, los ajustará manualmente para observar los efectos en el rendimiento. Una vez que se familiarice con los valores que puede cambiar, denominados hiperparámetros, aprenderá a ajustarlos automáticamente con Cloud Machine Learning Engine en Google Cloud Platform.

课程项目

Esta especialización incorpora labs prácticos mediante nuestra plataforma Qwiklabs.

Los componentes prácticos le permitirán aplicar las habilidades que adquiera en las clases en video. Los proyectos incorporarán temas como los productos de Google Cloud Platform que se usan y configuran en Qwiklabs. Además, adquirirá experiencia práctica con los conceptos que se explican en todos los módulos.