Contenido
- Introducción a Tensorflow para AI Machine Learning y Deep Learning (Ofrecido por deeplearning.ai)
- Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
- Tensorflow en el aprendizaje práctico (ofrecido por deeplearning.ai)
- Redes neuronales convolucionales y Tensorflow (Ofrecido por deeplearning.ai)
- Comprensión de la imagen con Tensorflow en GCP (ofrecido por Google Cloud Platform)
- Aprendizaje automático sin servidor con Tensorflow en Google Cloud Platform (ofrecido por Google Cloud Platform)
- Procesamiento de lenguaje natural con Tensorflow (ofrecido por deeplearning.ai)
- Conclusión
Para llevar:
Tensorflow es una de las bibliotecas de código abierto favoritas del ingeniero de ML para representar las funciones de código involucradas en ML y visualizar operaciones matemáticas utilizadas en redes neuronales y otras configuraciones de ML.
Tensorflow es una de las bibliotecas de código abierto favoritas del ingeniero de aprendizaje automático (ML) para representar las funciones de código involucradas en ML y visualizar operaciones matemáticas utilizadas en redes neuronales y otras configuraciones de ML.
Aquí hay seis cursos disponibles en el portal de aprendizaje de Coursera que guían a los estudiantes hacia una comprensión más completa del entorno de Tensorflow.
- Introducción a Tensorflow para AI Machine Learning y Deep Learning (Ofrecido por deeplearning.ai)
- Tensorflow en el aprendizaje práctico (ofrecido por deeplearning.ai)
- Redes neuronales convolucionales y Tensorflow (Ofrecido por deeplearning.ai)
- Comprensión de la imagen con Tensorflow en GCP (ofrecido por Google Cloud Platform)
- Aprendizaje automático sin servidor con Tensorflow en Google Cloud Platform (ofrecido por Google Cloud Platform)
- Procesamiento de lenguaje natural con Tensorflow (ofrecido por deeplearning.ai)
Introducción a Tensorflow para AI Machine Learning y Deep Learning (Ofrecido por deeplearning.ai)
Este curso ayuda a los estudiantes a comprender cómo construir algoritmos escalables y cómo funciona el aprendizaje profundo. Las redes neuronales son uno de los enfoques de este curso diversificado que utiliza parte del conocimiento del especialista Andrew Ng para mostrar a los estudiantes los principios de Tensorflow en el trabajo.
Este es un curso de nivel intermedio que está 100% en línea y demora aproximadamente ocho horas en completarse, con un marco de tiempo sugerido de cuatro semanas.
Los estudiantes aprenderán a entrenar una red neuronal para la visión por computadora, aprender las mejores prácticas de Tensorflow, aprender a comprender las redes neuronales convolucionales y construir una red neuronal básica con Tensorflow.
Una guía completa para este tipo de visualización y manejo de componentes de aprendizaje automático.
Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
No puede mejorar sus habilidades de programación cuando a nadie le importa la calidad del software.
Tensorflow en el aprendizaje práctico (ofrecido por deeplearning.ai)
Cuatro módulos ayudan a los estudiantes a explorar aplicaciones de inteligencia artificial (IA) y cómo se hacen. La construcción y capacitación de redes neuronales es parte de este plan de estudios, y los estudiantes aprenderán a usar convoluciones en el procesamiento de imágenes, para facilitar la identificación de vanguardia y las capacidades de clasificación.
Los estudiantes pueden ver de primera mano cómo las máquinas aprenden a procesar y cómo las redes neuronales manejan los datos de entrada.
Los elementos prácticos del curso mostrarán cómo funcionan estos tipos de tecnologías en el mundo real. Este curso en línea tarda aproximadamente un mes en completarse y es un curso de nivel intermedio.
Redes neuronales convolucionales y Tensorflow (Ofrecido por deeplearning.ai)
Este curso se centra específicamente en la red neuronal convolucional, que es un tipo específico de concepto en el mundo del aprendizaje automático. La CNN, como se le llama, maneja el procesamiento de imágenes mediante el uso de varias capas dentro de la red neuronal.
Se utilizan técnicas como el paso y el relleno para filtrar y examinar imágenes, y la información se canaliza a través del sistema para eventualmente entrenar a la computadora para identificar objetos u otros aspectos de una imagen.
Los estudiantes aprenderán cómo una computadora "ve" la información y qué operaciones específicas conducen a tareas efectivas de procesamiento e identificación de imágenes.
Los estudiantes aprenderán sobre varios problemas, como la pérdida de la trama, el sobreajuste y el abandono en la búsqueda de las mejores prácticas para construir y mantener las capacidades de CNN para el reconocimiento facial, el desarrollo de productos y más.
El aprendizaje por transferencia también será parte de este programa de estudios, y los estudiantes aprenderán más sobre la extracción de características y la selección de características como un componente de dimensionalidad exitosa.
Este curso de nivel intermedio está todo en línea y demora aproximadamente siete horas en completarse con un período sugerido de cuatro semanas.
Comprensión de la imagen con Tensorflow en GCP (ofrecido por Google Cloud Platform)
Este curso avanzado de aprendizaje automático está diseñado específicamente con Google Cloud en mente. Este entorno superior ha sido una opción para muchos desarrolladores que elaboran los mejores y más nuevos programas de ML.
Este curso mostrará a los estudiantes diferentes estrategias para armar clasificadores de imágenes y les ayudará a comprender las construcciones de redes neuronales convolucionales. La extracción y selección de características también son parte del enfoque de este curso, y los estudiantes recibirán capacitación sobre cómo prevenir el sobreajuste y los problemas relacionados.
Los componentes prácticos requieren conocimientos básicos de SQL, Python y Tensorflow.
Este curso es 100% en línea en un nivel avanzado y demora 11 horas en completarse con una inversión de tiempo sugerida de 5-7 horas por semana.
Aprendizaje automático sin servidor con Tensorflow en Google Cloud Platform (ofrecido por Google Cloud Platform)
Este curso también utiliza la idea de trabajar con Tensorflow en Google Cloud Platform, pero agrega la idea de la computación sin servidor para visualizar el aprendizaje automático en un tipo diferente de entorno.
En la informática sin servidor, las funciones están diseñadas para la entrega según sea necesario. Este curso hablará sobre casos de uso para este tipo de configuración, y permitirá a los estudiantes participar en la construcción de un modelo ML de Tensorflow. Se hace hincapié en la escalabilidad y la implementación con la comprensión de las características de preprocesamiento y cómo hacer girar los modelos ML en una capacidad virtualizada eficiente.
Este curso de nivel intermedio está todo en línea y demora 12 horas en completarse, con un plazo sugerido de una semana.
Procesamiento de lenguaje natural con Tensorflow (ofrecido por deeplearning.ai)
Una de las aplicaciones más populares de Tensorflow y otras herramientas de aprendizaje automático es la práctica del procesamiento del lenguaje natural (PNL).
Este curso familiarizará a los estudiantes con algunos de los componentes de PNL relacionados con el etiquetado de unidades de habla y otras técnicas que ayudan a las redes neuronales a construir modelos predictivos estructurales. El PNL se ha beneficiado mucho de ML, y los estudiantes pueden beneficiarse al ver de primera mano cómo funcionan estas técnicas.
Con un estudio práctico, los estudiantes abordarán problemas del mundo real, como cómo aplicar redes neuronales recurrentes y LSTM en Tensorflow y cómo procesar usando tokenización y vectores.
Este curso es un curso de nivel intermedio 100% en línea que demora nueve horas en completarse con un plazo sugerido de cuatro semanas.
Conclusión
Utilice cualquiera de estas innovadoras oportunidades de aprendizaje para conectarse mejor con los aspectos básicos de ML mediante la comprensión no solo de la terminología, sino también de las construcciones de sistemas que comúnmente funcionan con Tensorflow.