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
Este curso forma parte de Programa Especializado - Machine Learning with TensorFlow on Google Cloud Platform en Español
Launching into Machine Learning en Español
ofrecido por
Programa - Qué aprenderás en este curso
Introducción
En este curso, obtendrá conocimientos fundamentales sobre el AA que le brindarán una comprensión más clara de la terminología que usamos durante la especialización. También conocerá sugerencias prácticas y resolverá problemas comunes de los especialistas en AA de Google, de manera que cuando termine el curso cuente con el código y el conocimiento suficientes para poner en marcha sus propios modelos de AA.
AA en la práctica
En este módulo, presentaremos algunos de los principales tipos de aprendizaje automático y repasaremos la historia del AA hasta la situación actual con el fin de acelerar su crecimiento como especialista en el tema.
Optimización
En este módulo, explicaremos cómo optimizar sus modelos de AA.
Generalización y muestreo
Ahora debemos hacernos una pregunta un tanto extraña: ¿Cuándo es mejor no elegir el modelo de AA más preciso? Como mencionamos en el módulo anterior sobre optimización, el hecho de que un modelo tenga una métrica de pérdida de 0 con el conjunto de datos de entrenamiento no implica necesariamente que dé buenos resultados con datos nuevos en un caso práctico real.
Principales revisiones sobre Launching into Machine Learning en Español
Es algo confuso para los que no sabemos de SQL, pero al final se logra aprender acerca de como generar buenos Datasets mediante BigQuery y en general de uno propio.
Información clara y precisa para acompañar el aprendizaje
Acerca de Google Cloud
Acerca de Programa especializado Machine Learning with TensorFlow on Google Cloud Platform en Español
Preguntas Frecuentes
¿Puedo acceder a una vista preliminar del curso antes de inscribirme?
Sí, puedes acceder a una vista preliminar del primer video y ver el programa antes de inscribirte. Debes comprar el curso para acceder a contenido que no está incluido en la vista preliminar
¿Cuándo podré acceder a las lecciones y tareas?
Si decides inscribirte en el curso antes de la fecha de inicio de la sesión, tendrás acceso a todos los videos y las lecturas de la lección para el curso. Podrás enviar tareas en cuanto comience la sesión.
¿Qué recibiré cuando me inscriba?
Una vez que te inscribes y comienza la sesión, tendrás acceso a todos los videos y otros recursos, incluidos artículos de lectura y el foro de debate del curso. Podrás ver y enviar tareas de práctica y completar tareas con calificación obligatorias para obtener un título y un Certificado de curso
¿Cuándo recibiré mi Certificado de curso?
Si completas el curso de manera correcta, tu Certificado de curso electrónico se agregará a la página Logros. Desde allí, puedes imprimir tu Certificado de curso o agregarlo a tu perfil de LinkedIn
¿Por qué no puedo participar como oyente en este curso?
Este curso es uno de los pocos que se ofrecen en Coursera que está actualmente disponible solo para estudiantes que pagaron o que recibieron ayuda económica, si está disponible.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
