Resumen
Este curso integral se adentra en el mundo del deep learning y las redes neuronales artificiales utilizando TensorFlow. Comenzando con los conceptos fundamentales del aprendizaje automático, cubre temas esenciales como la clasificación y regresión lineales, antes de avanzar hacia las neuronas, el aprendizaje de modelos y las predicciones.
Los módulos principales incluyen:
- Propagación directa
- Funciones de activación
- Clasificación multiclase
Ejemplos prácticos que utilizan el conjunto de datos MNIST para tareas tanto de clasificación de imágenes como de regresión proporcionan experiencia práctica.
El plan de estudios también incluye instrucción sobre el guardado de modelos, el uso de Keras y la selección de hiperparámetros. Las secciones avanzadas se centran en las funciones de pérdida y las técnicas de optimización de descenso de gradiente, notablemente Adam.
Al final de este curso, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje automático
- Implementar modelos de redes neuronales artificiales
- Optimizar modelos de deep learning utilizando TensorFlow
Este curso es perfecto para aquellos interesados en el deep learning, TensorFlow 2 y conocimientos fundamentales para avanzar a redes neuronales avanzadas como CNN, RNN, LSTM y transformers. Se requiere competencia en Python y familiaridad con bibliotecas como NumPy y Matplotlib.
Proveedor: Coursera
Programa de estudio
Enseñado por
Etiquetas
