Introducción a TensorFlow - Taller Práctico

Resumen

Explora TensorFlow a través de la práctica práctica, completando un tutorial de principio a fin para adquirir habilidades prácticas en la construcción y despliegue de modelos de aprendizaje automático.

Programa de estudio

• Introducción a TensorFlow
Descripción general de TensorFlow y sus aplicaciones
Instalación y configuración
• Conceptos Básicos de TensorFlow
Tensores y operaciones
Gráficos y sesiones (modo de ejecución ávido)
Tipos de datos, formas y difusión
• Construcción de Modelos de Aprendizaje Automático con TensorFlow
Carga y preprocesamiento de datos
Construcción de un modelo lineal simple
Implementación de una red neuronal feed-forward
• Entrenamiento y Optimización
Funciones de pérdida y algoritmos de optimización
Retropropagación y descenso de gradiente
Monitoreo del entrenamiento con TensorBoard
• Evaluación de Modelos
División de datos en conjuntos de entrenamiento, validación y prueba
Evaluación del rendimiento del modelo
Comprensión del sobreajuste y técnicas de regularización
• Técnicas Avanzadas de TensorFlow
Trabajo con conjuntos de datos y canalizaciones de datos
Uso de tf.data para una carga eficiente de datos
Implementación de callbacks para el control del entrenamiento
• Despliegue de Modelos de TensorFlow
Guardado y carga de modelos
Exportación de modelos para despliegue
Conceptos básicos de TensorFlow Serving y TensorFlow Lite
• Proyecto Práctico: Desarrollo de un Modelo de Principio a Fin
Esquema del proyecto e introducción al conjunto de datos
Construcción, entrenamiento y evaluación de un modelo personalizado
Despliegue del modelo y realización de predicciones
• Conclusión y Pasos Siguientes
Resumen de conceptos clave
Recursos para aprendizaje adicional
Sesión de preguntas y respuestas y presentación final del proyecto

---

Asignaturas

Ciencia de Datos