A partir de una historia del aprendizaje automático, analizamos por qué las redes neuronales, en la actualidad, ofrecen un alto rendimiento ante una variedad de problemas. Luego, analizaremos cómo configurar un problema de aprendizaje supervisado y encontrar una solución adecuada mediante el descenso de gradientes. Esto incluye crear conjuntos de datos que permitan la generalización; hablaremos sobre los métodos para hacerlo de una manera repetible que admita la experimentación.
Objetivos del curso:
Identificar por qué el aprendizaje profundo es popular en la actualidad
Optimizar y evaluar los modelos mediante las funciones de pérdida y las métricas de rendimiento
Mitigar los problemas comunes que surgen en el aprendizaje automático
Crear conjuntos de datos de entrenamiento, evaluación y prueba, repetibles y escalables
Этот курс входит в специализацию ''Специализация Machine Learning with TensorFlow on Google Cloud Platform en Español'
Launching into Machine Learning en Español
от партнера
Программа курса: что вы изучите
Неделя
14 минуты на завершение
Introducción
En este curso, obtendrá conocimientos fundamentales sobre el AA que le brindarán una comprensión más clara de la terminología que usamos durante la especialización. También conocerá sugerencias prácticas y resolverá problemas comunes de los especialistas en AA de Google, de manera que cuando termine el curso cuente con el código y el conocimiento suficientes para poner en marcha sus propios modelos de AA.
1 видео ((всего 4 мин.))
1 видео
Introducción4мин
1 ч. на завершение
AA en la práctica
En este módulo, presentaremos algunos de los principales tipos de aprendizaje automático y repasaremos la historia del AA hasta la situación actual con el fin de acelerar su crecimiento como especialista en el tema.
10 видео ((всего 62 мин.)), 1 тест
10 видео
Introducción1мин
Aprendizaje supervisado5мин
Regresión y clasificación11мин
Breve reseña del AA: Regresión lineal7мин
Breve reseña del AA: Perceptrón5мин
Breve reseña del AA: Redes neuronales7мин
Breve reseña del AA: Árboles de decisión5мин
Breve reseña del AA: Métodos de kernel4мин
Breve reseña del AA: Bosques aleatorios4мин
Breve reseña del AA: Redes neuronales modernas8мин
1 практическое упражнение
Cuestionario del módulo6мин
1 ч. на завершение
Optimización
En este módulo, explicaremos cómo optimizar sus modelos de AA.
13 видео ((всего 61 мин.)), 1 тест
13 видео
Definición de modelos de AA4мин
Presentación del conjunto de datos sobre natalidad6мин
Introducción a las funciones de pérdida6мин
Descenso de gradientes5мин
Solución de problemas de una curva de pérdidas2мин
Problemas con el modelo de AA6мин
Lab: Presentación de TensorFlow Playground6мин
Lab: TensorFlow Playground avanzado3мин
Lab: Práctica con redes neuronales6мин
Solución de problemas en la curva de pérdidas1мин
Métricas de rendimiento3мин
Matriz de confusión5мин
1 практическое упражнение
Module Quiz6мин
3 ч. на завершение
Generalización y muestreo
Ahora debemos hacernos una pregunta un tanto extraña: ¿Cuándo es mejor no elegir el modelo de AA más preciso? Como mencionamos en el módulo anterior sobre optimización, el hecho de que un modelo tenga una métrica de pérdida de 0 con el conjunto de datos de entrenamiento no implica necesariamente que dé buenos resultados con datos nuevos en un caso práctico real.
9 видео ((всего 64 мин.)), 3 тестов
9 видео
Introducción1мин
Generalización y modelos de AA6мин
Cuándo detener el entrenamiento de modelos5мин
Cree muestras repetibles en BigQuery6мин
Demostración: División de conjuntos de datos en BigQuery8мин
Introducción al lab1мин
Explicación de la solución del lab9мин
Introducción al lab2мин
Explicación de la solución del lab23мин
1 практическое упражнение
Cuestionario del módulo12мин
4.8
Рецензии: 4Лучшие рецензии
автор: AA•Nov 23rd 2018
Es muy útil este modulo para hacer el análisis de los datos y obtener una metodología para repetir los datos de entrenamiento, prueba y validación.
автор: EA•Feb 4th 2019
Información clara y precisa para acompañar el aprendizaje
О Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
О специализации ''Machine Learning with TensorFlow on Google Cloud Platform en Español'
¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar? ¿Cuáles son las cinco fases para convertir un posible caso práctico en un recurso que pueda aprovechar la tecnología de aprendizaje automático? ¿Por qué es importante no saltarse fases? ¿Por qué las redes neuronales son tan populares? ¿Cómo plantear un problema de aprendizaje supervisado y encontrar una buena solución generalizable mediante un descenso de gradientes y una forma meditada de crear conjuntos de datos? Aprenda a escribir modelos de aprendizaje automático distribuido que escalen en Tensorflow y que brinden predicciones de alto rendimiento. Convierta los datos sin procesar en funciones de una forma que permita al AA aprender características importantes de los datos y aportar una percepción humana para abordar los problemas. Por último, aprenda a incorporar la combinación adecuada de parámetros que desarrolle modelos generalizados y exactos, y conozca la teoría para solucionar determinados tipos de problemas de AA. Experimentará con el AA de extremo a extremo, a partir de la construcción de una estrategia centrada en el AA y el avance hacia el entrenamiento, optimización y producción de modelos con labs prácticos mediante Google Cloud Platform.
>>> Al inscribirse en esta especialización acepta los Términos de Servicio de Qwiklabs según lo establecido en las Preguntas Frecuentes, disponibles en el apartado: https://qwiklabs.com/terms_of_service <<<
Часто задаваемые вопросы
Можно ли ознакомиться с курсом до регистрации?
Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.
Когда я получу доступ к лекциям и заданиям?
Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.
Что я получу, зарегистрировавшись на курс?
После регистрации на курс и начала сессии вы получаете доступ ко всем видео и другим ресурсам курса, включая материалы для самостоятельного изучения и форумы обсуждений. Вы сможете выполнять тренировочные, а также сдавать обязательные оцениваемые задания и получить сертификат о прохождении курса.
Когда я получу сертификат о прохождении курса?
Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.
Почему я не могу прослушать этот курс?
Это один из немногих курсов на Coursera, которые предоставляются только на платной основе.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
