Qué necesitas saber antes de
comenzar

Inicio 4 June 2026 09:21

Fin 4 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Computación Distribuida e IA con Spark

Obtén información sobre cómo construir, entrenar y personalizar modelos con TensorFlow y Keras, desde redes simples hasta modelos avanzados preentrenados con aprendizaje por transferencia, culminando en un proyecto de clasificación de imágenes.
via Pragmatic Institute

13 Cursos


4 hours

Actualización opcional disponible

Intermedio

Avanza a tu propio ritmo

Paid Course

Actualización opcional disponible

Resumen

You’ll get hands-on experience in building, training, and customizing models using TensorFlow and Keras. Starting from implementing simple networks by hand, this course builds to making use of advanced pre-trained models with transfer learning.

You’ll complete a practical mini-project on image classification, with the help of guidance during office hours.

Programa

  • Introducción a la Computación Distribuida y la IA
  • Visión general de los principios de la computación distribuida
    Introducción a Spark para el procesamiento de grandes volúmenes de datos
  • Introducción a TensorFlow y Keras
  • Configuración del entorno de TensorFlow
    Fundamentos de redes neuronales con TensorFlow
  • Construcción de Redes Neuronales Simples
  • Implementación de redes neuronales manualmente usando Keras
    Comprensión de capas, funciones de activación y funciones de pérdida
  • Técnicas Avanzadas de TensorFlow
  • Personalización de modelos con técnicas avanzadas de TensorFlow
    Implementación de callbacks, optimizadores y métricas
  • Introducción a Spark para IA
  • Integración de Spark con TensorFlow
    Uso de Spark para el entrenamiento distribuido de modelos
  • Aprendizaje por Transferencia
  • Comprensión de modelos preentrenados
    Ajuste fino de modelos con Keras
  • Mini-Proyecto Práctico: Clasificación de Imágenes
  • Definición del problema y exploración de datos
    Construcción y entrenamiento de un clasificador de imágenes con TensorFlow
    Evaluación del rendimiento del modelo y optimización
  • Laboratorios y Ejercicios Prácticos
  • Sesiones prácticas regulares para reforzar el aprendizaje
    Guía paso a paso para implementar los conceptos enseñados
  • Horas de Oficina
  • Sesiones programadas para orientación de proyectos y preguntas y respuestas
  • Proyecto Final y Presentación
  • Completar el mini-proyecto de clasificación de imágenes
    Presentación de los hallazgos del proyecto y lecciones aprendidas
  • Conclusión del Curso y Próximos Pasos
  • Resumen de conceptos clave
    Recomendaciones para un mayor aprendizaje y exploración en IA y computación distribuida

Materias

Data Science