Introducción a TensorFlow en Python
Aprende los fundamentos de las redes neuronales y cómo crear modelos de aprendizaje profundo con TensorFlow.
Comienza El Curso Gratis4 horas15 vídeos51 ejercicios50.612 aprendicesDeclaración de cumplimiento
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
Introducción a TensorFlow
No hace mucho, los algoritmos de visión por ordenador más avanzados no podían diferenciar entre imágenes de gatos y perros. Hoy en día, un científico de datos experto equipado con nada más que un ordenador portátil puede clasificar decenas de miles de objetos con mayor precisión que el ojo humano.En este curso, utilizarás TensorFlow 2.6 para desarrollar, entrenar y hacer predicciones con los modelos que han impulsado grandes avances en sistemas de recomendación, clasificación de imágenes y FinTech.
Utilizar modelos lineales para hacer predicciones
Descubrirás cómo utilizar TensorFlow 2.6 para hacer predicciones utilizando modelos de regresión lineal, y pondrás a prueba tus conocimientos prediciendo los precios de la vivienda en el condado de King. Esta sección del curso incluye una visión de las funciones de pérdida y de cómo puedes reducir el uso de recursos entrenando tu modelo lineal por lotes.Entrena tu red neuronal
En la segunda mitad del curso, utilizarás las mismas herramientas para hacer predicciones mediante redes neuronales. Practicarás el entrenamiento de una red en TensorFlow añadiendo variables entrenables y utilizando tu modelo y las características de prueba para predecir valores objetivo.Combinar TensorFlow con Keras API
Añade el potente API de Keras a tu repertorio y aprende a combinarlo con TensorFlow 2.6 para hacer predicciones y evaluar modelos. Al final de este curso, comprenderás cómo utilizar los Estimadores API para agilizar la definición del modelo y evitar errores.¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.- 1
Introducción a TensorFlow
GratuitoAntes de que puedas construir modelos avanzados en TensorFlow 2, primero tendrás que entender lo básico. En este capítulo aprenderás a definir constantes y variables, a realizar sumas y multiplicaciones tensoriales y a calcular derivadas. Los conocimientos de álgebra lineal serán útiles, pero no necesarios.
Constantes y variables50 xpDefinir datos como constantes100 xpDefinición de variables100 xpOperaciones básicas50 xpRealizar la multiplicación por elementos100 xpHacer predicciones con la multiplicación de matrices100 xpSuma sobre dimensiones tensoriales50 xpOperaciones avanzadas50 xpTensores de remodelación100 xpOptimizar con gradientes100 xpTrabajar con datos de imagen100 xp - 2
Modelos lineales
En este capítulo aprenderás a construir, resolver y hacer predicciones con modelos en TensorFlow 2. Te centrarás en una clase sencilla de modelos -el modelo de regresión lineal- e intentarás predecir los precios de la vivienda. Al final del capítulo, sabrás cómo cargar y manipular datos, construir funciones de pérdida, realizar minimizaciones, hacer predicciones y reducir el uso de recursos con el entrenamiento por lotes.
Datos de entrada50 xpCargar datos con pandas100 xpEstablecer el tipo de datos100 xpFunciones de pérdida50 xpFunciones de pérdida en TensorFlow100 xpModificar la función de pérdida100 xpRegresión lineal50 xpEstablece una regresión lineal100 xpEntrenar un modelo lineal100 xpRegresión lineal múltiple100 xpFormación por lotes50 xpPreparándose para la formación por lotes100 xpEntrenar un modelo lineal por lotes100 xp - 3
Redes neuronales
Los capítulos anteriores te enseñaron a construir modelos en TensorFlow 2. En este capítulo, aplicarás esas mismas herramientas para construir, entrenar y hacer predicciones con redes neuronales. Aprenderás a definir capas densas, aplicar funciones de activación, seleccionar un optimizador y aplicar la regularización para reducir el sobreajuste. Aprovecharás la flexibilidad de TensorFlow utilizando tanto el álgebra lineal de bajo nivel como las operaciones de alto nivel de Keras API para definir y entrenar modelos.
Capas densas50 xpEl álgebra lineal de las capas densas100 xpEl enfoque de bajo nivel con múltiples ejemplos100 xpUtilizar la operación de capa densa100 xpFunciones de activación50 xpProblemas de clasificación binaria100 xpProblemas de clasificación multiclase100 xpOptimizadores50 xpLos peligros de los mínimos locales100 xpEvitar los mínimos locales100 xpEntrenar una red en TensorFlow50 xpInicialización en TensorFlow100 xpDefinición del modelo y de la función de pérdida100 xpEntrenar redes neuronales con TensorFlow100 xp - 4
Alto nivel APIs
En el último capítulo, utilizarás APIs de alto nivel en TensorFlow 2 para entrenar un clasificador de letras del lenguaje de signos. Utilizarás tanto el Keras secuencial como el funcional APIs para entrenar, validar, hacer predicciones y evaluar modelos. También aprenderás a utilizar los Estimadores API para agilizar el proceso de definición y entrenamiento del modelo, y evitar errores.
Definir redes neuronales con Keras50 xpEl modelo secuencial en Keras100 xpCompilar un modelo secuencial100 xpDefinir un modelo de entradas múltiples100 xpEntrenamiento y validación con Keras50 xpEntrenamiento con Keras100 xpMétricas y validación con Keras100 xpDetección de sobreajuste100 xpEvaluar modelos100 xpEntrenar modelos con los Estimadores API50 xpPreparar la formación con Estimadores100 xpDefinición de los estimadores100 xp¡Enhorabuena!50 xp
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.colaboradores
requisitos previos
Supervised Learning with scikit-learn
¿Qué tienen que decir otros alumnos?
¡Únete a 15 millones de estudiantes y empieza Introducción a TensorFlow en Python hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.