Aprendizaje Profundo con TensorFlow: Fundamentos y Regresión

Categorías: IA y analítica
Lista de deseos Compartir

Acerca de este curso

Entiende cómo funcionan las redes neuronales y construye con TensorFlow y Keras modelos de regresión que predicen valores numéricos. Partirás de los fundamentos del aprendizaje profundo (tensores, propagación hacia adelante y descenso del gradiente), construirás un perceptrón desde cero, pasarás a Keras con un caso real de costes de seguros y aprenderás a ajustar, evaluar y llevar a producción tus modelos.

Qué aprenderás

  • Explicar qué es el aprendizaje profundo, cuándo conviene usarlo y qué riesgos tiene.
  • Trabajar con tensores y entender cómo una red calcula y cómo aprende.
  • Implementar y entrenar un perceptrón, y ver por qué hacen falta capas ocultas.
  • Preparar datos, construir, compilar, entrenar y evaluar una red de regresión con Keras.
  • Leer curvas de aprendizaje, ajustar hiperparámetros, usar parada temprana y comparar con líneas base.
  • Guardar un modelo y exponerlo como servicio web.

Requisitos previos

  • Fundamentos de Python.
  • Nociones básicas de pandas y de estadística descriptiva.
Mostrar más

Contenido del curso

Fundamentos del aprendizaje profundo
<p>Antes de escribir un modelo conviene entender qué ocurre dentro de él. En este módulo verás qué es el aprendizaje profundo y cuándo merece la pena usarlo, cómo se representan los datos con tensores, qué cálculo hace una red neuronal desde la entrada hasta la salida y cómo aprende corrigiendo sus errores con la retropropagación y el descenso de gradiente. Todo con ejemplos de NumPy que puedes ejecutar.</p>

  • ¿Qué es el aprendizaje profundo y cuándo usarlo?
  • Tensores y álgebra de matrices
  • Cómo viaja un dato: neuronas, capas y funciones de pérdida
  • Cómo aprende una red: retropropagación y descenso de gradiente
  • Quiz: Fundamentos del aprendizaje profundo

El perceptrón: tu primera neurona programada desde cero
<p>El perceptrón es la neurona artificial más simple y la base de todo lo que viene después. En este módulo lo implementarás en Python puro: la suma ponderada, la función de activación, el error de entrenamiento y la regla que ajusta los pesos. Terminarás probando qué problemas puede resolver una sola neurona (compuertas AND y OR) y cuáles no (XOR), y por qué eso obliga a usar varias capas.</p>

Tu primera red neuronal con TensorFlow y Keras
<p>Ahora llevas la teoría a código real. Prepararás un conjunto de datos tabular, construirás una red capa por capa con Keras, la compilarás con un optimizador y una pérdida, la entrenarás y la evaluarás para predecir un valor numérico (una regresión). Trabajarás con un conjunto de datos de costes de seguros médicos generado por código, de modo que todo el módulo se puede ejecutar sin descargar nada.</p>

Hiperparámetros, generalización y puesta en producción
<p>Entrenar una red es fácil; entrenar una red que funcione bien con datos nuevos es el verdadero trabajo. En este módulo aprenderás a leer curvas de aprendizaje, a distinguir subajuste de sobreajuste, a ajustar la tasa de aprendizaje, el tamaño de lote y las épocas, a detener el entrenamiento a tiempo, a probar combinaciones de forma automática y a medir con honestidad si tu modelo mejora una línea base. Cerrarás con un proyecto de regresión completo y con el recorrido hasta producción.</p>

Valoraciones y reseñas de estudiantes

Aún no hay reseñas.
Aún no hay reseñas.