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.
이 강좌는 Machine Learning with TensorFlow on Google Cloud Platform en Español 전문 분야의 일부입니다.
Launching into Machine Learning en Español
제공자:
About this Course
최근 조회 2,664회
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 전문 분야의 5개 강좌 중 2번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 10시간 필요
권장: 13 hours/week
스페인어
자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 4분 필요
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.
완료하는 데 4분 필요
1개 동영상 (총 4분)
1개의 동영상
완료하는 데 1시간 필요
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.
완료하는 데 1시간 필요
10개 동영상 (총 62분)
10개의 동영상
Aprendizaje supervisado5m
Regresión y clasificación11m
Breve reseña del AA: Regresión lineal7m
Breve reseña del AA: Perceptrón5m
Breve reseña del AA: Redes neuronales7m
Breve reseña del AA: Árboles de decisión5m
Breve reseña del AA: Métodos de kernel4m
Breve reseña del AA: Bosques aleatorios4m
Breve reseña del AA: Redes neuronales modernas8m
1개 연습문제
Cuestionario del módulo6m
완료하는 데 1시간 필요
Optimización
En este módulo, explicaremos cómo optimizar sus modelos de AA.
완료하는 데 1시간 필요
13개 동영상 (총 61분)
13개의 동영상
Definición de modelos de AA4m
Presentación del conjunto de datos sobre natalidad6m
Introducción a las funciones de pérdida6m
Descenso de gradientes5m
Solución de problemas de una curva de pérdidas2m
Problemas con el modelo de AA6m
Lab: Presentación de TensorFlow Playground6m
Lab: TensorFlow Playground avanzado3m
Lab: Práctica con redes neuronales6m
Solución de problemas en la curva de pérdidas1m
Métricas de rendimiento3m
Matriz de confusión5m
1개 연습문제
Module Quiz6m
완료하는 데 3시간 필요
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.
완료하는 데 3시간 필요
9개 동영상 (총 64분)
9개의 동영상
Generalización y modelos de AA6m
Cuándo detener el entrenamiento de modelos5m
Cree muestras repetibles en BigQuery6m
Demostración: División de conjuntos de datos en BigQuery8m
Introducción al lab1m
Explicación de la solución del lab9m
Introducción al lab2m
Explicación de la solución del lab23m
1개 연습문제
Cuestionario del módulo12m
검토
4.6
LAUNCHING INTO MACHINE LEARNING EN ESPAÑOL의 최상위 리뷰
PD 제공Jul 16, 2019
Muy buen material, las explicaciones son muy claras y didacticas.\n\nSe puede mejorar con mas ejemplos sobre la aplicacion de los conceptos tratados en las clases y su aplicación en la vida real
SG 제공Dec 29, 2018
Es algo confuso para los que no sabemos de SQL, pero al final se logra aprender acerca de como generar buenos Datasets mediante BigQuery y en general de uno propio.
EA 제공Feb 3, 2019
Información clara y precisa para acompañar el aprendizaje
제공자:
Google 클라우드
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.
Machine Learning with TensorFlow on Google Cloud Platform en Español 전문 분야 정보
¿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 <<<
자주 묻는 질문
등록 전에 강좌를 미리 볼 수 있나요?
예. 등록하기 전에 첫 번째 비디오를 미리 보고 강의 계획을 검토할 수 있습니다. 미리 보기에 포함되지 않은 콘텐츠를 이용하려면 강좌를 구매해야 합니다.
강의 및 과제를 언제 이용할 수 있게 되나요?
세션 시작일 전에 강좌에 등록하면 해당 강좌의 모든 강의 비디오 및 읽기 자료에 접근할 수 있습니다. 수업이 시작되면 과제를 제출할 수 있습니다.
등록하면 무엇을 이용할 수 있나요?
등록 후 세션이 시작되면 읽기 자료 항목 및 강좌 토론 포럼을 포함하여 모든 비디오와 기타 리소스를 이용할 수 있습니다. 연습 평가를 보고 제출하며 필요한 성적 평가 과제를 완료하여 성적을 받고 강좌 수료증을 취득할 수 있습니다.
강좌 수료증을 언제 받게 되나요?
강좌를 성공적으로 수료하면 전자 강좌 수료증이 성취도 페이지에 추가됩니다. 해당 페이지에서 강좌 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다.
이 강좌를 청강할 수 없는 이유는 무엇인가요?
이 강좌는 현재 Coursera에서 수업료를 결제했거나 재정 지원(해당하는 경우)을 받은 학습자만 이용할 수 있는 강좌입니다.
환불 규정은 어떻게 되나요?
재정 지원을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.