|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/intro-tensorflow-es
课程评论：没有评论
课程名称：西班牙语的TensorFlow入门 课程概述：本课程旨在利用TensorFlow 2.x和Keras的灵活性和易用性来构建、训练和实施机器学习模型。 学员将学习TensorFlow 2.x API的层级结构，并通过实践练习了解TensorFlow的主要组件。 课程将展示如何处理数据集和特征列，并设计和编译TensorFlow 2.x的数据输入管道。 学员将获得使用tf.data.Dataset加载NumPy数组、图像和文本数据，以及使用Pandas加载CSV数据的实践经验。此外，还将学习如何创建数值、类别、分箱和哈希特征列。 课程将介绍Keras的顺序API和功能API，帮助学员创建深度学习模型。课程内容包括激活函数、损失函数和优化技术。通过Jupyter Notebook的实践实验，学员将能够编译基础线性回归和基础及高级逻辑回归模型。最后，学员将学习如何在AI Platform Cloud上训练、实施和部署大规模的机器学习模型。 课程大纲： 1. 课程简介：介绍TensorFlow 2.x及其与Keras结合使用的便捷性，学习数据输入管道的设计和编译。 2. TensorFlow介绍：了解TensorFlow 2.x的新范式，学习主要组件及其基本操作。 3. 设计和编译TensorFlow数据输入管道：实践如何处理各种数据集和特征列，以及数据的加载技巧。 4. 使用TensorFlow 2和Keras的顺序API训练神经网络：讲解激活、损失和优化函数，学习如何使用顺序API构建深度学习模型。 5. 使用TensorFlow 2和Keras的功能API训练神经网络：探讨功能API的灵活性，学习如何创建具有多个输入和输出的模型。 6. 总结：复习课程中涵盖的TensorFlow主题，包括tf.data API、Keras的顺序和功能API，以及如何利用AI Platform Cloud扩展机器学习模型。 通过本课程，您将掌握TensorFlow的基本知识，并为实际应用打下坚实的基础。
Name:Introducción al curso
Description: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.
Name:Introducción a TensorFlow
Description:Le mostraremos el nuevo paradigma de TensorFlow 2.x. Aprenderá sobre la jerarquía de la API de TensorFlow y conocerá los componentes principales de TensorFlow, los tensores y las variables, mediante ejercicios prácticos.
Name:Diseñe y compile una canalización de datos de entrada de TensorFlow
Description:Le mostraremos cómo trabajar con conjuntos de datos y columnas de atributos. 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.
Name:Entrenamiento de redes neuronales con TensorFlow 2 y la API secuencial de Keras
Description: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.
Name:Entrenamiento de redes neuronales con TensorFlow 2 y la API funcional de Keras
Description: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.
Name:Resumen
Description:Haremos un resumen de los temas sobre TensorFlow que tratamos hasta aquí en este curso. Repasaremos el código principal de TensorFlow, la API de tf.data, las API secuencial y funcional de Keras, y finalizaremos con el escalamiento de sus modelos de aprendizaje automático mediante AI Platform de Cloud.
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.
