Description
En este curso, se explica cómo diseñar y crear una canalización de datos de entrada de TensorFlow 2.x, cómo desarrollar modelos de AA con TensorFlow 2.x y Keras, cómo mejorar la exactitud de los modelos de AA, cómo escribir modelos de AA para uso escalado y cómo escribir modelos de AA especializados.
What you will learn
Module 0: Introducción al curso
Este módulo brinda una descripción general del curso y sus objetivos.
Module 1: Introducción al ecosistema de TensorFlow
En este módulo, se introduce el marco de trabajo de TensorFlow y se ofrece una vista previa de sus componentes principales, así como de la jerarquía general de las API.
Module 2: Diseñe y cree una canalización de datos de entrada
Los datos son un componente crucial de un modelo de aprendizaje automático. Recopilar los datos correctos no es suficiente. También es necesario asegurarse de implementar los procesos adecuados para limpiar, analizar y transformar los datos según sea necesario, de modo que el modelo pueda captar tantos indicadores como sea posible a partir de esos datos. En este módulo, analizamos el entrenamiento con grandes conjuntos de datos mediante tf.data, el trabajo con archivos en la memoria y cómo preparar los datos para el entrenamiento. Después, analizamos las incorporaciones y terminamos con una descripción general del ajuste de datos con capas de procesamiento previo de tf.keras.
Module 3: Cree redes neuronales con TensorFlow y la API de Keras
En este módulo, analizamos las funciones de activación y cómo se las necesita para permitir que las redes neuronales profundas registren los aspectos no lineales de los datos. Después, se ofrece una descripción general de las redes neuronales profundas con las API secuencial y funcional de Keras. A continuación, describimos la subclasificación de modelos, que ofrece mayor flexibilidad para la creación de modelos. El módulo finaliza con una clase de regularización.
