¿Qué quieres aprender?

Guía completa para el nuevo Tensorflow 2.0 en Python

Guía completa para el nuevo Tensorflow 2.0 en Python

Frogames Formación

Curso online


50

Se acaba de lanzar TensorFlow 2.0. El lanzamiento introduce muchas características que simplifican el modelo de desarrollo y los procesos de mantenimiento. Desde el punto de vista educativo, potencia el entendimiento de la gente, simplificando en gran medida los conceptos complejos. Desde el punto de vista de la industria, los modelos son mucho más sencillos de entender, mantener y desarrollar.

El Aprendizaje Profundo o Deep Learning es una de las áreas de mayor crecimiento de la Inteligencia Artificial. En los últimos años, se ha probado que los modelos de Deep Learning, incluso los más simples, pueden resolver tareas difíciles y complejas. Ahora que la novedad del Deep Learning ha pasado, la gente empieza a querer utilizar su poder y potencial para mejorar sus productos.

El curso se estructura de modo que se cubren todos los temas desde el modelado de redes neuronales y su entrenamiento hasta su puesta en producción.

Últimamente se está volviendo más y más popular tener un modelo de Aprendizaje profundo en aplicaciones Android o iOS, pero las redes neuronales requieren de mucha energía y recursos. Aquí es donde la librería TensorFlow Lite entra en juego. En la Sección 12 del curso aprenderás cómo optimizar y convertir cualquier red neuronal para que sea apta para un dispositivo móvil.

¿Quieres hablar con un asesor sobre este curso?

Objetivos

En este curso veremos las actualizaciones que trae la librería TensorFlow 2.0 - Utilizar TensorFlow 2.0 en Data Science - Conocer las diferencias importantes entre TensorFlow 1.X y TensorFlow 2.0 - Implementar Redes Neuronales Artificiales en TensorFlow 2.0 - Implementar Redes Neuronales Convolucionales en TensorFlow 2.0 - Implementar Redes Neuronales Recurrentes en TensorFlow 2.0 - Construir tu propia aplicación de Transfer Learning en TensorFlow 2.0 - Desarrollar nuestro propio bot que actúe como un broker realizando compras y ventas de acciones utilizando - Reinforcement Learning (Deep-Q Network) - Crear una validación de datos y preprocesado de datasets automáticos utilizando TensorFlow Data Validation y TensorFlow Transform - Construir un pipeline de ML al completo en Tensorflow 2.0 - Poner en producción un modelo TensorFlow 2.0 - Crear una API que clasifique imágenes con Flask y TensorFlow 2.0 - Acceder a un modelo deTensorFlow en un servidor con RESTful API

Requisitos

Este es un curso de nivel medio, por tanto te recomendamos: - Haber completado los cursos de Estadística Descriptiva y Python de la A a la Z para tener las bases de programación de Python - Haber completado los cursos de Estadística Inferencial y Probabilidad para tener las bases de matemáticas necesarias de cara a sacarle más provecho al curso - Haber realizado el curso de Machine Learning de la A a la Z para conocer algunas de las librerías que utilizaremos a lo largo del curso (numpy, pandas...) - Haber realizado el curso de Tensorflow 1.x para conocer de antemano la teoría y sintaxis de esta librería de Python - Tener un ordenador con conexión a internet y con cualquier sistema operativo instalado y saber utilizarlo a nivel básico de usuario

Temario completo de este curso

Contenido del Curso:

  • Bienvenidos a Tensorflow 2.0 con Python(1:05:39)
  • Las bases de TensorFlow 2.0(48:05)
  • Redes Neuronales Artificiales(1:06:08)
  • Redes Neuronales de Convolución(48:26)
  • Redes Neuronales Recurrentes(34:01)
  • Aprendizaje por Transferencia y Puesta a Punto de Parámetros(1:20:21)
  • Teoría del deep Reinforcement Learning(3:05:04)
  • Deep Reinforcement Learning para problemas de finanzas y stocks(1:39:25)
  • Validación de datos con TensorFlow Data Validation (TFDV)(41:20)
  • Pre procesado de datos con TensorFlow Transform (TFT)(45:05)ç
  • Fashion API con Flask y TensorFlow 2.0(48:58)
  • API de clasificación de imágenes con TensorFlow Serving(1:10:12)
  • TensorFlow Lite: Preparando un modelo para los dispositivos móviles(29:59)
  • Entrenamiento distribuido con TensorFlow 2.0(35:28)
  • Anexo 1 - Teoría de las Redes Neuronales Artificiales(1:47:21)
  • Anexo 2 - Teoría de las Redes Neuronales Convolucionales(2:00:13)
  • Anexo 3 - Teoría de las Redes Neuronales Recurrentes(1:43:11)
  • BONUS: Accede a nuestros bonus por ser estudiante de Frogames Formación(35:00)
  • Enhorabuena por terminar nuestro curso de Tensorflow 2.0(03:14)
Ver más