Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Build, Train and Deploy ML Models with Keras on Google Cloud - Español

Google Cloud via Coursera

Go to class Write review

Overview

Google, IBM & Meta Certificates – 40% Off

One plan covers every Professional Certificate on Coursera.

Unlock All Certificates

En este curso, se explica cómo crear modelos de AA con TensorFlow y Keras, cómo mejorar la exactitud de los modelos de AA y cómo escribir modelos de AA para uso escalado.

Syllabus

Introducción al curso

En este módulo, se brinda una descripción general del curso y sus objetivos.

Introducción al ecosistema de TensorFlow

En este módulo, se presenta el marco de trabajo de TensorFlow y se ofrece una vista previa de sus componentes principales, así como de la jerarquía general de las API.

Diseña y crea una canalización de datos de entrada

Los datos son un componente esencial de los modelos de aprendizaje automático. Recopilar los datos correctos no es suficiente. También es necesario asegurarse de implementar los procesos adecuados para limpiar, analizar y transformar los datos según sea necesario, de modo que el modelo pueda captar tantos indicadores como sea posible a partir de esos datos. En este módulo, analizamos el entrenamiento con grandes conjuntos de datos mediante tf.data, el trabajo con archivos en la memoria y cómo preparar los datos para el entrenamiento. Después, analizamos las incorporaciones y terminamos con una descripción general del escalamiento de datos con capas de procesamiento previo de tf.keras.

Crea redes neuronales con TensorFlow y la API de Keras

En este módulo, analizamos las funciones de activación y cómo se las necesita para permitir que las redes neuronales profundas registren los aspectos no lineales de los datos. Después, se ofrece una descripción general de las redes neuronales profundas con las APIs secuencial y funcional de Keras. A continuación, describimos la subclasificación de modelos, que ofrece mayor flexibilidad para la creación de modelos. El módulo finaliza con una lección sobre regularización.