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
Semana
14 minutos para completar
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.
1 video (Total 4 minutos)
1 video
1 hora para completar
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.
10 videos (Total 62 minutos), 1 quiz
10 videos
Aprendizaje supervisado5m
Regresión y clasificación11m
Breve reseña del AA: Regresión lineal7m
Breve reseña del AA: Perceptrón5m
Breve reseña del AA: Redes neuronales7m
Breve reseña del AA: Árboles de decisión5m
Breve reseña del AA: Métodos de kernel4m
Breve reseña del AA: Bosques aleatorios4m
Breve reseña del AA: Redes neuronales modernas8m
1 ejercicio de práctica
Cuestionario del módulo6m
1 hora para completar
Optimización
En este módulo, explicaremos cómo optimizar sus modelos de AA.
13 videos (Total 61 minutos), 1 quiz
13 videos
Introducción42s
Definición de modelos de AA4m
Presentación del conjunto de datos sobre natalidad6m
Introducción a las funciones de pérdida6m
Descenso de gradientes5m
Solución de problemas de una curva de pérdidas2m
Problemas con el modelo de AA6m
Lab: Presentación de TensorFlow Playground6m
Lab: TensorFlow Playground avanzado3m
Lab: Práctica con redes neuronales6m
Solución de problemas en la curva de pérdidas1m
Métricas de rendimiento3m
Matriz de confusión5m
1 ejercicio de práctica
Module Quiz6m
3 horas para completar
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.
9 videos (Total 64 minutos), 3 quizzes
9 videos
Generalización y modelos de AA6m
Cuándo detener el entrenamiento de modelos5m
Cree muestras repetibles en BigQuery6m
Demostración: División de conjuntos de datos en BigQuery8m
Introducción al lab1m
Explicación de la solución del lab9m
Introducción al lab2m
Explicación de la solución del lab23m
1 ejercicio de práctica
Cuestionario del módulo12m
4.7
4 revisionesPrincipales revisiones
Es muy útil este modulo para hacer el análisis de los datos y obtener una metodología para repetir los datos de entrenamiento, prueba y validación.
Información clara y precisa para acompañar el aprendizaje
Acerca de Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Acerca del programa especializado Machine Learning with TensorFlow on Google Cloud Platform en Español
¿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 <<<
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.
Coursera brinda acceso universal a la mejor educación del mundo, al asociarse con las mejores universidades y organizaciones, para ofrecer cursos en línea.
© 2019 Coursera Inc. Todos los derechos reservados.
