Deep Learning con Tensorflow 1.x para Machine Learning e IA
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!
Skills / Knowledge
- Instalar Tensorflow
- Instalar Pytorch
- Describir cómo funciona un tensor
- Distinguir entre placeholders y variables
- Explicar cómo funciona un grafo de computación
- Conectarse a diversas fuentes de datos desde Python
- Implementar una regresión lineal con tensorflow
- Implementar máquinas de soporte vectorial con tensorflow
- Programar algoritmos de reducción de la dimensión con tensorflow
- Diferenciar entre algoritmos supervisados y no supervisados
- Conocer las diferentes funciones de activación
- Explicar cómo entrena una red neuronal
- Explicar cómo predice una red neuronal
- Detallar la arquitectura de una red neuronal artificial
- Detallar la arquitectura de una red neuronal convolucional
- Detallar la arquitectura de una red neuronal recurrente
- Distinguir entre entrenamiento por CPU vs GPU
- Entender los algoritmos de NLP actuales