Ruta Completa de Inteligencia Artificial

¿Estás interesado en conocer a fondo el mundo del Machine Learning? Entonces este curso está diseñado especialmente para ti. Este curso ha sido diseñado por Data Scientists profesionales para compartir nuestro conocimiento y ayudarte a aprender la teoría compleja, los algoritmos y librerías de programación de un modo fácil y sencillo. En él te guiaremos paso a paso en el mundo del Machine Learning. Con cada clase desarrollarás nuevas habilidades y mejorarás tus conocimientos de esta complicada y lucrativa subrama del Data Science. Este curso es divertido y ameno, pero al mismo tiempo todo un reto, pues tenemos mucho Machine Learning por aprender. Lo hemos estructurado del siguiente modo: Partes del curso 1ª Parte – Preprocesamiento de datos 2ª Parte – Regresión 3ª Parte – Clasificación 4ª Parte – Clustering 5ª Parte – Aprendizaje por Reglas de Asociación 6ª Parte – Reinforcement Learning 7ª Parte – Procesamiento Natural del Lenguaje 8ª Parte – Deep Learning 9ª Parte – Reducción de la dimensión 10ª Parte – Selección de Modelos y Boosting Además, el curso está lleno de ejercicios prácticos basados en ejemplos de la vida real, de modo que no solo aprenderás teoría, sino también pondrás en práctica tus propios modelos con ejemplos guiados. Además, con el curso obtendrás el libro oficial de preguntas típicas de machine learning, creado a partir de las dudas de los estudiantes con más ejemplos y respuestas a tus posibles dudas.

¿Quieres crear aplicaciones súperpoderosas con inteligencia artificial (IA), pero no sabes cómo programar? ¿Estás intimidado por la IA y no sabes por dónde empezar? ¿O tal vez no tienes un título en ciencias de la computación o programación y quieres adentrarte en la inteligencia artificial? ¿Eres un aspirante a emprendedor que quiere maximizar los ingresos comerciales y reducir los costes con IA, pero no sabes cómo llegar allí de manera rápida y eficiente? Si la respuesta es sí a alguna de estas preguntas, ¡este curso es para ti! ¡La inteligencia artificial es uno de los principales campos tecnológicos en los que estar en este momento! La IA cambiará nuestras vidas de la misma manera que lo hizo la electricidad hace 100 años. La inteligencia artificial ha entrado con fuerza en finanzas, banca, salud, transporte y tecnología. El campo está repleto de oportunidades y perspectivas profesionales. Este curso resuelve un problema clave: hacer que la IA esté disponible para cualquier persona sin experiencia en programación o sin título en ciencias de la computación. El propósito de este curso es traerte el conocimiento de los aspectos clave de la IA moderna sin las matemáticas intimidantes y de una manera práctica, fácil y divertida. El curso te proporcionará experiencia práctica en el uso de conjuntos de datos del mundo real. En este curso, asumiremos que has sido contratado recientemente como consultor en una empresa emergente en la ciudad de San Francisco. El CEO te ha encomendado que apliques técnicas de IA de vanguardia en 5 proyectos diferentes. Solo hay una advertencia, el científico de datos clave de la compañía les abandonó para irse a otra empresa, tú no sabes cómo programar y necesitas generar resultados rápidamente. De hecho, solo tienes una semana para resolver estos problemas clave de la empresa. Se te proporcionarán conjuntos de datos de todos estos departamentos y se te pedirá que realices las siguientes tareas: Proyecto #1: Desarrollar un modelo de inteligencia artificial para detectar las emociones de las personas utilizando Google Teachable Machines (Tecnología) Proyecto #2: Desarrollar un modelo de inteligencia artificial para detectar y clasificar enfermedades de tórax utilizando datos de radiografías del pecho con Google Teachable Machines (Medicina y Salud) Proyecto #3: Predecir la prima del seguro mediante características del cliente como la edad, el hábito de fumar y la ubicación geográfica mediante AWS AI AutoPilot (Negocios) Proyecto #4: Detectar enfermedades cardiovasculares con DataRobot AI (Medicina y Salud) Proyecto #5: Reconocer los tipos de alimentos y explorar la explicabilidad de la IA utilizando DataRobot AI (Tecnología) Además, veremos un tema muy importante: la Explicabilidad de la IA que da respuestas a la pregunta clave: ¿Cómo llega la IA a una predicción determinada? ¿Qué está pensando realmente el cerebro artificial? Los estudiantes ganarán con nosotros habilidad práctica sobre los fundamentos de la IA y los aplicarán a casos de estudio reales. Y es que nuestra metodología es 100% práctica y se basa en crear y analizar 5 proyectos juntos. Tendrás acceso a todo el material y transparencias del curso e incluso tendrás un certificado de haber completado el curso al final del mismo, que podrás subir a Linkedin para mostrar tus nuevas habilidades en análisis de datos e IA. ¡Apúntate hoy mismo al curso y nos vemos en clase!

Nivel básico de inteligencia artificial utilizando el lenguaje de programación Python y tecnologías anexas como Keras o Tensorflow, así como los fundamentos matemáticos comunes dentro del itinerario de Frogames Formación

La inteligencia artificial está creciendo exponencialmente, sin lugar a dudas. Los vehículos que se conducen por sí mismos están recorriendo millones de kilómetros, IBM Watson está diagnosticando a pacientes mejor que ejércitos de médicos y el AlphaGo de Google Deepmind venció al campeón mundial de Go, un juego en el que la intuición juega un papel clave. Pero cuanto más avanza la IA, más complejos se vuelven los problemas que deben ser solucionados. Y solamente el Deep Learning puede solucionar problemas tan complejos y por eso está en el corazón de la Inteligencia Artificial. ¿Por qué Deep Learning de la A a la Z? Aquí hay cinco razones por las que pensamos que el Curso de Deep Learning de la A a la Z es totalmente diferente y se destaca de la gran cantidad de programas de capacitación que existen: 1. ESTRUCTURA SÓLIDA Lo primero y más importante en lo que nos centramos es en dotar al curso de una estructura sólida. El Deep Learning es un tema muy extenso y complejo y para navegar por este laberinto se necesita una visión clara y global del mismo. Por eso agrupamos las clases del curso en dos volúmenes que representan las dos ramas fundamentales del Deep Learning: Deep Learning supervisado y Deep Learning no supervisado. Con cada volumen centrado en tres algoritmos distintos hemos comprobado que esta es la mejor estructura para dominar el Deep Learning. 2. CLASES DE INTUICIÓN Hay tantos cursos y libros que te bombardean con la teoría, las matemáticas y la codificación, pero se olvidan de explicar, quizás, la parte más importante: por qué estás haciendo lo que estás haciendo. Y es por eso que este curso es tan diferente. Nos enfocamos en desarrollar una idea intuitiva para los conceptos detrás de los algoritmos del Deep Learning. Con nuestras clases de intuición estarás seguro de que entiendes todas las técnicas a un nivel instintivo. Y una vez que procedas con los ejercicios prácticos de codificación podrás ver por ti mismo lo significativa que será tu experiencia. Esto es un punto de inflexión. 3. PROYECTOS INTERESANTES ¿Estás cansado de los cursos basados en conjuntos de datos sobreutilizados y obsoletos? ¿Sí? Bueno, entonces te llevarás una sorpresa. Dentro de este curso trabajaremos con conjuntos de datos del mundo real para resolver problemas de negocios del día a día (definitivamente no los aburridos conjuntos de datos de clasificación de iris o dígitos que vemos en todos los cursos). Aquí, trabajaremos en seis desafíos del mundo real: Redes Neurales Artificiales para resolver un problema de pérdida de clientes (Customer Churn) Redes neuronales convolucionales para el reconocimiento de imágenes Redes neuronales recurrentes para predecir los precios de las acciones Mapas auto-organizados para investigar el fraude Máquinas de Boltzmann para crear un Sistema de Recomendaciones Los AutoEncoders apilados* para enfrentarnos al reto por el premio del millón de dólares de Netflix *Los AutoEncoders apilados son una nueva técnica del Deep Learning que hace un par de años aun no existía. Hasta ahora no hemos visto este método explicado en ningún otro lugar con suficiente profundidad. 4. EJERCICIOS PRÁCTICOS DE CODIFICACIÓN En el curso de Deep Learning de la A a la Z programamos contigo. Cada clase práctica comienza con un script en blanco y escribimos el código desde cero. De esta manera puedes seguir y entender exactamente cómo el código se junta y lo que cada línea significa. Además, a propósito, estructuraremos el código de tal manera que puedas descargarlo y aplicarlo en tus propios proyectos desde dos fuentes diferentes: GitHub para usarlo en tu propio ordenador y Google Drive para que puedas ejecutarlo gracias a Google Collaborate. Asimismo, explicaremos paso a paso dónde y cómo modificar el código para insertar TU conjunto de datos, para ajustar el algoritmo a tus necesidades y así obtener la salida que buscas. Este es un curso que de forma natural podrás aplicar en tu día a día en tu propio trabajo. 5. ASISTENCIA EN EL CURSO. ¿Alguna vez has tomado un curso o leído un libro en el que tienes preguntas, pero no puedes contactar con el autor? Bueno, este curso es diferente. Estamos totalmente comprometidos en hacer de éste el curso de Deep Learning más disruptivo y poderoso del planeta. Con eso viene la responsabilidad de estar constantemente disponible cuando necesites nuestra ayuda. De hecho, ya que físicamente también necesitamos comer y dormir, hemos reunido un equipo profesional de científicos de datos para ayudarnos. Cada vez que hagas una pregunta, recibirás una respuesta de nuestra parte en un plazo no mayor a 48 horas. No importa lo compleja que sea tu consulta, estaremos allí. Nuestro objetivo final es que tengas éxito. Las herramientas TensorFlow y PyTorch son las dos librerías de código abierto más populares para el Deep Learning y en este curso aprenderás las dos. TensorFlow fue desarrollado por Google y se utiliza en su sistema de reconocimiento de voz, en el nuevo producto de Google Photos, gmail, google search y mucho más. Las empresas que utilizan TensorFlow incluyen AirBnb, Airbus, Ebay, Intel, Uber y muchas más. PyTorch es igual de potente y está siendo desarrollado por investigadores de Nvidia y universidades líderes: Stanford, Oxford, ParisTech. Las empresas que utilizan PyTorch incluyen Twitter, Saleforce y Facebook. Entonces, ¿qué es mejor y para qué? Pues, en este curso tendrás la oportunidad de trabajar con los dos y podrás averiguar cuándo es mejor TensorFlow y cuándo PyTorch es el mejor camino a seguir. A lo largo de nuestras clases comparamos los dos y te damos consejos e ideas sobre qué podría funcionar mejor en determinadas circunstancias. Lo interesante es que ambas librerías tienen apenas unos pocos años de antigüedad. A eso nos referimos cuando decimos que en este curso te enseñamos los modelos y técnicas más vanguardistas del Deep Learning. Más herramientas Theano es otra librería de código abierto de Deep Learning. Es muy parecida a TensorFlow en su funcionalidad, pero aun así la cubriremos. Keras es una increíble biblioteca para implementar modelos de Deep Learning. Actúa como un envoltorio para Theano y TensorFlow. Con Keras podemos crear potentes y complejos modelos de Deep Learning con sólo unas pocas líneas de código. Esto es lo que te permitirá tener una visión general de lo que estás creando. Todo lo que hagas se verá tan claro y estructurado gracias a esta librería que realmente obtendrás la intuición y comprensión de lo que estás haciendo. Incluso más herramientas Scikit-learn, la biblioteca más práctica de Machine Learning. La usaremos principalmente: Para evaluar el rendimiento de nuestros modelos con la técnica más relevante, el k-fold cross validation Para mejorar nuestros modelos con un efectivo parámetro personalizado Para preprocesar nuestros datos para que nuestros modelos puedan aprender en las mejores condiciones Y por supuesto tenemos que mencionar a las librerías usuales de nuestros cursos de Machine Learning y Deep Learning. Todo este curso está basado en Python y en cada una de sus secciones obtendrás horas y horas de invaluable experiencia práctica de codificación. Adicionalmente, a lo largo del curso utilizaremos numpy para hacer altos cálculos y manipular matrices de altas dimensiones, matplotlib para hacer gráficos detallados y pandas para importar y manipular conjuntos de datos de la forma más eficiente. ¿A quién va dirigido este curso? Como puedes ver, hay muchas herramientas diferentes en el espacio del Deep Learning y en este curso nos aseguramos de mostrarte las más importantes y progresivas para que cuando termines con el curso de Deep Learning de la A a la Z tus habilidades estén a la vanguardia de la tecnología actual. Si apenas estás comenzando en el Deep Learning, entonces encontrarás este curso de gran utilidad. El curso de Deep Learning de la A a la Z está estructurado en torno a enfoques especiales de codificación de planos, lo que significa que no estarás atascado en programaciones innecesarias o complejidades matemáticas. En cambio, estarás aplicando las técnicas del Deep Learning desde el principio del curso. Construirás tus conocimientos desde el inicio y verás como con cada clase te sentirás cada vez más seguro. Si ya tienes experiencia con el Deep Learning, encontrarás este curso refrescante, inspirador y muy práctico. Dentro del curso de Deep Learning de la A a la Z dominarás algunos de los algoritmos y técnicas del Deep Learning más vanguardistas (algunos de los cuales ni siquiera existían hace un año) y a través de este curso obtendrás una enorme cantidad de valiosa experiencia práctica con los retos empresariales del mundo real. Además, en él encontrarás inspiración para explorar nuevas habilidades y aplicaciones del Deep Learning. Estudio de casos del mundo real Dominar el Deep Learning no sólo consiste en conocer la intuición y las herramientas, sino también en ser capaz de aplicar estos modelos a escenarios del mundo real y obtener resultados reales y medibles para el negocio o proyecto. Es por ello que en este curso presentamos seis emocionantes retos: #1 Problema de modelización de la pérdida de clientes (Customer Churn) En esta parte resolverás un desafío de análisis de datos para un banco. Te entregaremos un conjunto de datos con una gran muestra de los clientes del banco. Para crear este conjunto de datos, el banco recolectó información como la identificación del cliente, el puntaje de crédito, el género, la edad, la antigüedad, el balance, si el cliente está activo, tiene una tarjeta de crédito, etc. Durante un período de 6 meses, el banco observó si estos clientes abandonaban o permanecían en el banco. El objetivo es hacer una Red Neural Artificial que pueda predecir, basándose en la información geodemográfica y transaccional dada anteriormente, si algún cliente individual dejará el banco o se quedará (pérdida de clientes/Customer Churn) Además, debes clasificar a todos los clientes del banco, basándose en su probabilidad de salida. Para ello, deberás utilizar el modelo correcto de Deep Learning que se basa en un enfoque probabilístico. Si tienes éxito en este proyecto, crearás un valor agregado significativo para el banco. Aplicando el modelo de Deep Learning, el banco puede reducir significativamente la tasa de pérdida de clientes (Customer Churn). #2 Reconocimiento de imágenes En esta parte, crearás una Red Neuronal Convolucional que es capaz de detectar varios objetos en imágenes. Implementaremos este modelo del Deep Learning para reconocer un gato o un perro en un conjunto de imágenes. Sin embargo, este modelo también puede ser utilizado para detectar cualquier otra cosa y te mostraremos cómo hacerlo - simplemente cambiando las imágenes en la carpeta de entrada. Por ejemplo, podrás entrenar el mismo modelo en un conjunto de imágenes del cerebro, para detectar si tienen un tumor o no. Pero si quieres mantenerlo adaptado a los gatos y perros, entonces podrás literalmente tomar una foto de tu gato o tu perro y el modelo podrá predecir qué mascota tienes. ¡Incluso lo hemos probado en el perro de Hadelin! #3 Predicción del precio de las acciones En esta parte crearás uno de los modelos más poderosos del Deep Learning. Incluso llegaremos a decir que crearás el modelo de Deep Learning más cercano a la "Inteligencia Artificial". ¿Por qué? Porque este modelo, como nosotros, tendrá memoria a largo plazo. La rama del Deep Learning que facilita esto es la de las Redes Neuronales Recurrentes. Las RNN clásicas tienen poca memoria y no eran ni populares ni poderosas por esta razón exacta. Pero una reciente e importante mejora en las Redes Neuronales Recurrentes dio lugar a la popularidad de las LSTM (Long Short Term Memory RNNs) que ha cambiado completamente el campo de juego. Estamos muy emocionados de incluir estos métodos de vanguardia del Deep Learning en nuestro curso. En esta sección aprenderás a implementar este modelo extremadamente poderoso y nosotros aceptaremos el reto de usarlo para predecir el precio real de las acciones de Google. Un desafío similar ya fue asumido por los investigadores de la Universidad de Stanford y nosotros trataremos de hacerlo al menos tan bien como ellos. #4 Detección de Fraude Según un reciente informe publicado por Markets&Markets, el mercado de la detección y prevención de fraudes tendrá un valor de 33.19 billones de dólares para el año 2021. Se trata de una industria enorme y la demanda de habilidades avanzadas de Deep Learning seguirá creciendo. Por eso hemos incluido este caso de estudio en el curso. Esta es la primera parte del Volumen 2 - Modelos de Deep Learning no supervisados. El reto empresarial aquí es la detección del fraude en las aplicaciones de tarjetas de crédito. Vas a crear un modelo de Deep Learning para un banco y te proporcionaremos un conjunto de datos que contiene información sobre los clientes que solicitan una tarjeta de crédito avanzada. Estos son los datos que los clientes proporcionaron al rellenar el formulario de solicitud. Tu tarea es detectar el fraude potencial dentro de estas aplicaciones. Esto significa que al final del desafío, literalmente obtendrás una lista explícita de los clientes que potencialmente hicieron trampa en sus solicitudes. #5 y 6 Sistemas de recomendación Desde las sugerencias de productos de Amazon hasta las recomendaciones de películas de Netflix, los buenos sistemas de recomendación son muy valiosos en el mundo de hoy. Y los especialistas que pueden crearlos son algunos de los científicos de datos mejor pagados del planeta. Trabajaremos en un conjunto de datos que tenga exactamente las mismas características que el conjunto de datos de Netflix: un montón de películas y miles de usuarios que han valorado las películas que han visto. Las calificaciones van del 1 al 5, exactamente como en el conjunto de datos de Netflix, lo que hace que el Sistema de Recomendaciones sea más complejo de construir que en el caso de las calificaciones fueran que son sencillamente "Me Gusta" o "No me gusta". Tu sistema de recomendación final será capaz de predecir las clasificaciones de las películas que los clientes no vieron. Por consiguiente, al clasificar las predicciones de 5 a 1, tu modelo de Deep Learning podrá recomendar qué películas debería ver cada usuario. Crear un sistema de recomendación tan poderoso es un gran reto, así que nos daremos dos oportunidades. Eso significa que lo construiremos con dos modelos diferentes de Deep Learning. Nuestro primer modelo será Deep Belief Networks, máquinas complejas de Boltzmann que se abordarán en la Parte 5. Luego, nuestro segundo modelo será con los poderosos AutoEncoders, que personalmente son mis favoritos. Podrás apreciar el contraste entre su simplicidad y lo que son capaces de hacer. E incluso podrás aplicarlo a ti mismo o a tus amigos. La lista de películas será explícita, así que sólo tendrás que calificar las películas que ya has visto, introducir tus calificaciones en el conjunto de datos, ejecutar tu modelo y ¡voilà! ¡El sistema de recomendación te dirá con exactitud qué películas te encantarán si no tienes idea de qué ver en Netflix! Resumen En conclusión, este es un programa de formación muy emocionante, lleno de tutoriales de intuición, ejercicios prácticos y casos de estudio del mundo real.

En este curso veremos todos los trucos de cómo iniciarse y llegar a utilizar la librería de Google TensorFlow para crear redes neuronales aritificiales y resolver problemas de Machine Learning, Deep Learning e Inteligencia Artificial. El objetivo del curso es llegar a entender las complejidades de TensorFlow, empezando por las bases e ir construyendo algoritmos y ejemplos basados en casos reales para así luego poder utilizarlo en tu día a día en el trabajo. Al final del curso tendrás tanto control sobre TensorFlow que tu único problema será que tendrás muchos algoritmos implementados para resolver las tareas de forma muy, pero que muy eficiente. El curso te servirá como guía completa para interiorizar y saber usar TensorFlow para tus propios análisis de datos, casos de estudio y conocer las últimas técnicas que existen en el mundo del Machine Learning y el Deep Learning. En el curso explicaremos la teoría necesaria para ir directos a implementaciones prácticas que puedas usar, todas ellas en Notebooks de Jupyter en Python que podrás descargar desde el primer día desde el repositorio de GitHub junto con el resto de notas, transparencias y materiales extras del curso. Así mismo tendrás retos y ejercicios para ir expandiendo tus conocimientos de todo lo que vayamos viendo durante el curso para que puedas practicar más allá de lo visto en clase. En el curso cubriremos todo tipo de temas desde cero hasta ser un profesional Fundamentos de TensorFlow y su sintaxis Regresión Lineal y Logística Support Vector Machines Técnicas de Nearest-Neighbors para clasificación y regresión Redes Neuronales para catalogar imágenes o predecir valores de series temporales Procesamiento Natural del Lenguaje con Bag of Words, TF-IDF, Skip gramas, Word2Vec... Redes Neuronales Convolucionales Redes Neuronales Recurrentes TensorFlow en producción ¡¡y mucho más!! Una pregunta que te harás va a ser: si ya he hecho los cursos de R y Python de Juan Gabriel Gomila, ¿por qué debo tomar este curso de TensorFlow? TensorFlow es una librería open source útil para cálculos numéricos utilizando grafos con flujo de datos entre sus nodos. Los nodos representan operaciones matemáticas, mientras que las aristas representan los arrays de datos multidimensionales (llamados tensores) que se conectan entre las operaciones. La arquitectura es tan flexible que nos ayuda a implementar miles de algoritmos en una o varias CPUs, GPUs, en servidores, en PCs de sobremesa, portátiles, dispositivos móviles... y todo con una sola API. Increíble, ¿verdad? Originalmente, TensorFlow fue un proyecto desarrollado por investigadores e ingenieros del equipo de Machine Learning de Google, el llamado Google Brain Team, para sus propios algoritmos de Machine Learning, Inteligencia Artificial y redes neuronales profundas, pero hicieron tan gran trabajo que se convirtió en la herramienta genérica que puede ser usada en una gran cantidad de dominios adicionales, como los comentados anteriormente, ¡y que forman parte del curso también! Además, miles de compañías de todo el mundo lo utilizan como parte de su sistema de recomendación, predicción y clasificación, como por ejemplo Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, Udemy SAP, Qualcomm, IBM, Intel, y por supuesto, ¡Google! Con este curso te podrás convertir en todo un gurú del Machine Learning y complementar todo lo aprendido en el resto de cursos con Juan Gabriel. Así que espero que te apuntes y ¡nos vemos en las clases online!

Se acaba de lanzar TensorFlow 2.0. El lanzamiento introduce muchas características que simplifican el modelo de desarrollo y los procesos de mantenimiento. Desde el punto de vista educativo, potencia el entendimiento de la gente simplificando en gran medida los conceptos complejos. Desde el punto de vista de la industria, los modelos son mucho más sencillos de entender, mantener y desarrollar. El Aprendizaje Profundo o Deep Learning es una de las áreas de mayor crecimiento de la Inteligencia Artificial. En los últimos años, se ha probado que los modelos de Deep Learning, incluso los más simples, pueden resolver tareas difíciles y complejas. Ahora que la novedad del Deep Learning ha pasado (seguro que ya has tomado algún curso mío sobre esta materia), la gente empieza a querer utilizar su poder y potencial para mejorar sus productos. El curso se estructura de modo que se cubren todos los temas desde el modelado de redes neuronales y su entrenamiento hasta su puesta en producción. En la Parte 1 del curso, aprenderás sobre la infraestructura tecnológica que utilizaremos a lo largo del curso (Sección 1) y lo básico de la librería TensorFlow 2.0 y su sintaxis (Sección 2). En la Parte 2 de este curso, indagaremos en el apasionante mundo del aprendizaje profundo. Durante esta parte del curso, implementarás varios tipos de redes neuronales (Redes Neuronales Artificiales [Sección 3], Redes Neuronales Convolucionales [Sección 4], Redes Neuronales Recurrentes [Sección 5]). Al final de esta parte, en la Sección 6, aprenderás y construirás un ejemplo de Transfer Learning que da unos resultados impresionantes en clasificación de imágenes de perros y gatos con una red neuronal entrenada por Google. Al acabar la segunda parte del curso y ultimar el aprendizaje de cómo implementar redes neuronales, en la Parte 3 verás como hacer tu propio broker resolviendo el problema de compra-venta de acciones en tiempo real utilizando Aprendizaje por Refuerzo, específicamente el Deep-Q Learning. La Parte 4 va sobre TensorFlow Extended (TFX). En esta parte del curso aprenderás a cómo trabajar con datos y crear tus propios flujos de datos para subirlos a producción. En la Sección 8 comprobaremos si el dataset tiene alguna anomalía utilizando la librería TensorFlow Data Validation y, después de aprender cómo comprobar anomalías de un dataset en la Sección 9, haremos nuestro propio pre procesado de flujo de datos utilizando el paquete TensorFlow Transform. En la Sección 10 de este curso aprenderás y crearás tu propio Fashion API haciendo uso de la librería Flask Python y un modelo pre entrenado. A lo largo de esta sección, obtendrás una imagen más completa de cómo enviar peticiones a un modelo a través de internet. Sin embargo, en esta etapa, la arquitectura alrededor del modelo no es escalable a millones de peticiones. Entramos en la Sección 11. En esta, aprenderás a cómo mejorar las soluciones a la sección previa utilizando la librería TensorFlow Serving. De una manera muy sencilla, aprenderás y crearás tu propio API de Clasificación de Imágenes ¡que soporta millones de peticiones al día! Últimamente se está volviendo más y más popular tener un modelo de Aprendizaje profundo en aplicaciones Android o iOS, pero las redes neuronales requieren de mucha energía y recursos. Aquí es donde la librería TensorFlow Lite entra en juego. En la Sección 12 del curso aprenderás cómo optimizar y convertir cualquier red neuronal para que sea apta para un dispositivo móvil. Ya para acabar con el proceso de aprendizaje y la Parte 5 de este curso, en la Sección 13 aprenderás a cómo distribuir el entrenamiento de una Red Neuronal a múltiples GPUs o también a Servidores haciendo uso del paquete TensorFlow 2.0.

Conoce nuestro curso de IA aplicada a Negocios y Empresas Parte 1 - Optimización de los procesos de negocios y empresas Estudio de caso: Optimización de los flujos de movimiento de un robot automático en un almacén de comercio electrónico Solución de inteligencia artificial: Q-learning Parte 2 - Minimizar los costes Estudio de caso: Minimizar los costes de consumo de energía de un centro de datos Solución de inteligencia artificial: Deep Q-learning Parte 3 - Maximizar los ingresos Estudio de caso: Maximizar los ingresos de un negocio de venta en línea al por menor Solución de inteligencia artificial: Muestreo Thompson Aplicaciones comerciales en el mundo real: Con la inteligencia artificial, puedes hacer principalmente tres cosas para cualquier negocio: Optimizar los procesos de negocio Minimizar los costes Maximizar los ingresos Te mostraremos exactamente cómo tener éxito en estas aplicaciones a través de casos de estudio de negocios del mundo real. Y para cada una de estas aplicaciones construiremos una IA por separado para resolver el desafío. En la parte 1 - Optimización de procesos, construiremos una IA que optimizará los flujos de movimiento de un robot automatizado en el interior de un almacén de comercio electrónico En la parte 2 - Minimizar los costes, construiremos una IA más avanzada que minimizará los costes en el consumo de energía de un centro de datos en más del 50%, al igual que Google lo hizo el año 2018 gracias a Deepmind En la parte 3 - Maximizar los ingresos, construiremos una IA diferente que maximizará los ingresos de un negocio minorista online, haciéndole ganar más de 1 billón de dólares en ingresos Pero eso no es todo. Esta vez, y por primera vez, hemos preparado una gran innovación para ti. Con este curso obtendrás un increíble y valioso recurso adicional para tu carrera: ¡un libro de 100 páginas que cubre todo lo relacionado con la inteligencia artificial para los negocios! El libro incluye: 100 páginas de explicaciones claras, escritas en un LaTeX hermoso y limpio Toda la idea básica y la teoría de la IA incluyendo las matemáticas explicadas en detalle Los tres estudios de caso del curso, y sus soluciones Tres modelos diferentes de IA, incluyendo Q-Learning, Deep Q-Learning, y muestreo Thompson Plantillas de códigos Los ejercicios y sus soluciones para que practiques Además, muchas técnicas extras y consejos como guardar y cargar modelos, parar antes de tiempo, y mucho más Conclusión: Si quieres conseguir un trabajo bien pagado o crear tu propio negocio exitoso en la IA, entonces este es el curso que necesitas. Lleva tu carrera en la IA a nuevas alturas hoy con la inteligencia artificial para negocios, el último curso de IA para impulsar tu carrera.

Nivel intermedio de inteligencia artificial utilizando el lenguaje de programación Python y tecnologías anexas como Keras o Tensorflow, así como los fundamentos matemáticos comunes dentro del itinerario de Frogames Formación

Bienvenido al curso Aprendizaje por Refuerzo Profundo 2.0 en Python En este curso, aprenderemos e implementaremos un nuevo modelo de IA increíblemente inteligente, llamado el Gradiente de Política Determinista de doble retardo (Twin Delayed DDPG, en inglés), que combina las técnicas más avanzadas en Inteligencia Artificial, incluyendo el Aprendizaje de Doble Profundidad, Políticas de Gradiente y Actor-Crítico. El modelo es tan robusto que por primera vez en nuestros cursos somos capaces de resolver las aplicaciones de IA virtual más desafiantes (entrenar a una hormiga/araña y medio humanoide a caminar y correr a través de un terreno). Para abordar este modelo de la manera correcta, estructuramos el curso en tres partes: Parte 1: Fundamentos. En esta parte estudiaremos todos los fundamentos de la Inteligencia Artificial que te permitirán entender y dominar la IA de este curso. Estos incluyen Q-Learning, Deep Q-Learning, Políticas de Gradiente, Actor-Crítico y mucho más. Parte 2: La teoría del DDPG de doble retardo. Estudiaremos a fondo toda la teoría que hay detrás del modelo. Verás claramente todo el proceso de construcción y entrenamiento de la IA a través de una serie de diapositivas de visualización. No sólo aprenderás la teoría en detalle, sino que también darás forma a toda la intuición para saber cómo aprende y trabaja la IA. Los fundamentos de la Parte 1, combinados con la muy detallada teoría de la Parte 2, harán que este modelo altamente avanzado sea accesible para ti y, con el tiempo, serás una de las pocas personas que puede dominar y entender este modelo. Parte 3: La implementación del DDPG de doble retardo. Implementaremos el modelo desde cero, paso a paso y a través de sesiones interactivas, una nueva característica de este curso que te hará practicar en muchos ejercicios de codificación mientras implementamos el modelo. Al hacerlos, no seguirás el curso de forma pasiva sino muy activa, permitiéndote así mejorar eficazmente tus habilidades en programación e IA. Y por último, pero no menos importante, haremos toda la implementación en Colaboratory, o Google Colab, que es una plataforma de IA totalmente gratuita y de código abierto que te permitirá programar y entrenar algunas IA sin tener que instalar ningún paquete en tu equipo. En otras palabras, puedes estar 100% seguro de que al pulsar el botón de ejecución, la IA comenzará a entrenar y al final obtendrás los vídeos de la araña y el humanoide corriendo.

¡La revolución de la Inteligencia Artificial (IA) está aquí! "El mercado de la Inteligencia Artificial en todo el mundo se proyecta que crezca en 284.6 Billones de dólares, impulsado por un crecimiento compuesto del 43,9%. El Deep Learning, uno de los segmentos analizados y dimensionados en este estudio, muestra el potencial para crecer a más de 42. 5%.” (FUENTE: globenewswire). La IA es la ciencia que permite a los ordenadores imitar la inteligencia humana, como la toma de decisiones, el razonamiento, el procesamiento de textos y la percepción visual. La IA es un campo general más amplio que abarca varios subcampos como el aprendizaje automático, la robótica y la visión por computador. Para que las empresas se vuelvan competitivas y aumenten su crecimiento necesitan aprovechar el poder de la Inteligencia Artificial (IA) para mejorar los procesos, reducir los costes y aumentar los ingresos. Hoy en día, la IA se implementa ampliamente en muchos sectores y ha estado transformando todas las industrias, desde la banca hasta la salud, el transporte y la tecnología. La demanda de talentos de IA ha aumentado exponencialmente en los últimos años y ¡ya no se limita a Silicon Valley! Según Forbes, las habilidades de IA están entre las más demandadas para el 2020. El propósito de este curso es proporcionarte conocimientos sobre aspectos clave de las aplicaciones modernas de la Inteligencia Artificial de una manera práctica, fácil y divertida. El curso proporciona a los estudiantes una experiencia práctica utilizando conjuntos de datos del mundo real. El curso cubre muchos temas y aplicaciones nuevas como Emotion IA, la explicación clara de la caja negra detrás de la IA, la IA creativa y las aplicaciones de la IA en la salud, los negocios y las finanzas. Una característica clave y única de este curso es que entrenaremos y desplegaremos modelos usando Tensorflow y AWS SageMaker. Además, cubriremos varios elementos del flujo de trabajo AI/ML que cubren la construcción de modelos, el entrenamiento, la sincronización de los hiperparámetros y el despliegue. Además, el curso ha sido cuidadosamente diseñado para cubrir aspectos clave de la IA como el Aprendizaje automatizado, el Deep Learning y la visión por computador. AQUÍ HAY UN RESUMEN DE LOS PROYECTOS QUE ABARCAREMOS: Proyecto #1 (Emotion AI): Clasificación de Emociones y Detección de Puntos Faciales Claves usando IA Proyecto #2 (AI en el Cuidado de la Salud): Detección y localización de tumores cerebrales mediante la IA Proyecto #3 (IA en Negocios/Marketing): Segmentación de clientes en centros comerciales usando auto encoders y algoritmos de aprendizaje automático no supervisados Proyecto #4: (AI en Negocios/Finanzas): Predicción y supervisión de la validez tarjetas de crédito usando el algoritmo XG-Boost de AWS SageMaker (AutoPilot) Proyecto #5 (IA Creativa): Generación de obras de arte por la IA