Udemy

Platform

Español

Language

Data Science

Category

Deep Learning con Tensorflow para Machine Learning e IA

Combina TensorFlow en Python para programar tus algoritmos de ML e IA con ejemplos prácticos del mundo en varios campos

4.65 (293 reviews)

Students

40 hours

Content

May 2020

Last Update
Regular Price

BLUE HOST
Blue Host
Fast, easy, and secure WordPress hosting in minutes + 1 free domain name
65%OFF : $2.95/month

What you will learn

Utilizar y saber programar con la librería TensorFlow 1.14

Conocer la estructura y funcionamiento de la librería TensorFlow de Google en Python

Saber implementar diversos algoritmos del mundo del Machine Learning y la Inteligencia Artificial con TensorFlow

Elaborar gráficos de computación para entender las fases de los algoritmos en TensorFlow

Desarrollar algoritmos de procesamiento natural del lenguaje como por ejemplo predicción de SPAM o redacción de textos con estilo literario

Trabajar con imágenes y a procesarlas con redes neuronales de convolución, elaborando como práctica un algoritmo que pintará una imagen como Van Gogh


Description

Bienvenido al Curso completo de Tensorflow para Machine Learning, Deep Learning y IA utilizando Python!

En este curso veremos todos los trucos de cómo iniciarse y llegar a utilizar la librería de Google TensorFlow para crear redes neuronales aritificiales para resolver problemas de Machine Learning, Deep Learning y Inteligencia Artificial! El objetivo del curso es llegar a entender las complejidades de TensorFlow empezando por las bases e ir construyendo algoritmos y ejemplos basados en casos reales para luego poder utilizarlo en tu día a día de trabajo. Al final del mismo tendrás tanto control sobre TensorFlow que tú único problema será que tendrás muchos algoritmos implementados para resolver las tareas de forma muy pero que muy eficiente!! El curso te servirá como guía completa para interiorizar y saber usar TensorFlow para tus propios análisis de datos, casos de estudio y conociendo las últimas técnicas que existen en el mundo del Machine Learning y el Deep Learning!

En el curso explicaremos la teoría necesaria para ir directos a implementaciones prácticas que puedas usar, todas ellas en Notebooks de Jupyter en Python que podrás descargar desde el primer día desde el repositorio de Github junto con el resto de notas, transparencias y materiales extras del curso. Así mismo tendrás retos y ejercicios para ir expandiendo tus conocimientos de todo lo que vayamos viendo durante el curso para que puedas practicar más allá de lo visto en clase.

En el curso cubriremos todo tipo de temas desde cero hasta ser un profesional

  • Fundamentos de TensorFlow y su sintaxis

  • Regresión Lineal y Logística

  • Support Vector Machines

  • Técnicas de Nearest-Neighbors para clasificación y regresión

  • Redes Neuronales para catalogar imágenes o predecir valores de series temporales

  • Procesamiento Natural del Lenguaje con Bag of Words, TF-IDF, Skip gramas, Word2Vec...

  • Redes Neuronales Convolucionales

  • Redes Neuronales Recurrentes

  • TensorFlow en producción

  • y mucho más!!

Una pregunta que te harás va a ser: si ya he hecho los cursos de R y Python de Juan Gabriel Gomila, ¿por qué debo tomar este curso de TensorFlow?

TensorFlow es una librería open source útil para cálculos numéricos utilizando grafos con flujo de datos entre sus nodos. Los nodos representan operaciones matemáticas, mientras que las aristas representan los arrays de datos multidimensionales (llamados tensores) que se conectan entre las operaciones. La arquitectura es tan flexible que nos ayuda a implementar miles de algoritmos en una o varias CPUs, GPUs, en servidores, en PCs de sobre mesa, portátiles, dispositivos móviles... y todo con una sola API. ¿Increíble verdad? Originalmente, TensorFlow fue un proyecto desarrollado por investigadores e ingenieros del equipo de Machine Learning de Google, el llamado Google Brain Team para sus propios algoritmos de machine learning, inteligencia artificial y redes neuronales profundas, pero hicieron tan gran trabajo, que se convirtió en la herramienta genérica que puede ser usada en una gran cantidad de dominios adicionales como los comentados anteriormente que forman parte del curso también!

Además, miles de compañías de todo el mundo lo utilizan como parte de su sistema de recomendación, predicción y clasificación como por ejemplo Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, Udemy SAP, Qualcomm, IBM, Intel, y por supuesto, Google!

Con este curso te podrás convertir en todo un gurú del  machine learning y complementar todo lo aprendido en el resto de cursos con Juan Gabriel, así que espero que te apuntes y nos vemos en las clases online!


Screenshots

Deep Learning con Tensorflow para Machine Learning e IA
Deep Learning con Tensorflow para Machine Learning e IA
Deep Learning con Tensorflow para Machine Learning e IA
Deep Learning con Tensorflow para Machine Learning e IA

Content

Introducción

Introducción

Conoce a Juan Gabriel Gomila, tu instructor

Requisitos previos para seguir el curso

Conoce la comunidad de Discord para aprender todos juntos

Cómo usar todo el potencial de Udemy y redactar preguntas en el foro

Accede a todo el código fuente en el Github del curso

No valores el curso de forma prematura

Fundamentos de Tensorflow y Machine Learning

¿Qué es TensorFlow?

Aprender las bases de cómo funciona TensorFlow

Formas de definir tensores

Placeholders y variables en TensorFlow

El grafo de computación en TensorFlow

Matrices en TensorFlow

Operaciones aritméticas en Tensorflow

Otras operaciones matemáticas

Funciones de activación en TensorFlow

Recursos adicionales de TensorFlow

Fuentes de datos y cómo acceder a ellas

Posibles fuentes de datos

El dataset de las flores Iris

Los nacimientos y relación humana

Keras y las casas de Boston

Los datos manuscritos del MNIST

Spam o no Spam

Valoraciones de películas

Catalogar objetos a través de imágenes

Las palabras de Shakespeare

Traducción de frases entre múltiples idiomas

BUG: Si no te funciona el ZipFile de la clase anterior...

Un repaso de Machine Learning

Piensa en matemáticas, traduce a TensorFlow

El grafo básico de operaciones en Tensorflow

Divide la ejecución en capas

Múltiples capas de trabajo

Gráficos de computación con tensorboard

Funciones de pérdida para problemas de regresión

Funciones de pérdida para problemas de clasificación

Métricas para evaluar la calidad del modelo

La propagación hacia atrás en regresión

La propagación hacia atrás en clasificación

Acerca de las variantes del Gradiente Descendente

Entrenamiento en por bloques vs estocástico

Clasificar las flores de Iris

Evaluar los modelos de regresión

Evaluar los modelos de clasificación

Regresión Lineal

La regresión lineal

El método de la matriz inversa

El método de la descomposición LU

Regresión lineal a lo TensorFlow

La función de pérdidas en la regresión lineal

Regresión lineal deming

Métodos de regularización (lasso y ridge)

Regresión elastic net

Crear y leer CSV desde tus propios datos

Normalización de los datos en entrenamiento y test

Regresión logística

Las máquinas de soporte vectorial

Support Vector Machine

¿Qué es una SVM?

Trabajar con un SVM lineal

SVM para estimar una regresión lineal

Cambiar el Kernel con TensorFlow

Cómo generar distribuciones en forma de anillo

Un kernel gaussiano con TensorFlow

Ejercicio: entrena tu kernel gaussiano

Diferentes núcleos de convolución

Los efectos del parámetro gamma

Un clasificador multi clase

Clasificar las tres especies de flores con SVM

Encontrar los vecinos más cercanos

El concepto detrás de los vecinos más cercanos

Formalización matemática de los KNN

Descargar y procesar el dataset con requests

Implementar KNN con variables numéricas con TensorFlow

Medir la eficacia de la clasificación

La distancia de Levenshtein

Distancias basadas en texto

Cómo utilizar distancias ponderadas para cada variable

El problema de la dirección postal mal escrita

Comparar número y texto para clasificar

El ejemplo de los vecinos de una imagen

Redes neuronales

Los algoritmos no supervisados y su potencial

Puertas lógicas y redes neuronales

Puertas lógicas y operaciones en TensorFlow

Ejercicio: más operaciones lineales con TensorFlow

Funciones de activación

Una red neuronal con una capa oculta

Redes neuronales multicapas en el caso 1D

Redes neuronales multicapas en el caso 2D

El ejemplo de recién nacidos con bajo peso

Mejoras con la entropía cruzada

El juego del tres en raya

Entrenando nuestra red neuronal

La red neuronal que aprende a jugar

Procesamiento Natural del Lenguaje

El rol del NLP en el siglo XXI

La idea detrás del concepto de procesamiento natural del lenguaje

Limpieza de datos para el Bag of Words

Entrenando con el Bag of Words

Text Frequency - Inverse Document Frequency

Entrenando con TF-IDF

Los algoritmos de Word2Vec

Descargar y clasificar las valoraciones de películas

La limpieza de datos

Entrenando con los Skip Gramas

El detalle de cómo funciona la embedding matrix

Continuous Bag of Words

Entrenando con Continuous Bag of Words

Crear una librería con todo lo aprendido

Cómo cargar modelos ya entrenados con pickle

Clasificando las valoraciones de películas con Word2Vec

Cómo funciona la técnica de doc2vec

Inicializando nuestros embeddings con doc2vec

Entrenando con doc2vec

Análisis de Sentimiento

Redes Neuronales de Convolución

CNN para el tratamiento de imágenes

La convolución matemática

Otras operaciones matriciales

Una red neuronal de convolución simple

Entrenando nuestra red neuronal convolucional

Evaluar los resultados de nuestra red neuronal convolucional

Redes neuronales más completas

Procesar los datos binarios de imágenes de CIFAR-10

El modelo de CNN para las imágenes de CIFAR

Entrenando con la CNN completa

Los resultados del entrenamiento de la CNN

Descomprimir imágenes binarias y guardarlas en diferentes carpetas

Evaluar con la red Inception de Google

Cómo cargar una red neuronal entrenada con Matlab

Aplicar un estilo a otra imágen

Pintando como Van Gogh

Deep Dream

Entrenando con Deep Dream

Qué entiende cada neurona de cada capa de Deep Dream

Redes Neuronales Recurrentes

La idea de las RNN

Formalización de las RNN

Ejercicio: descargar y guardar los datos de SPAM

La estructura de una red neuronal recurrente

Entrenando la red neuronal recurrente

Long Short Term Memory

Las obras de Shakespeare

Una implementación directa del Word2Vec

La clase LSTM

Continuando un texto como Shakespeare

Redes neuronales multicapa

TensorFlow en Producción

Cuando uno sube a producción... todo falla

Un ejemplo para probar las pruebas unitarias

Implementando pruebas unitarias

Cómo validar las pruebas unitarias en producción

Ejecutar en CPU vs GPU

Múltiples trabajadores en paralelo

A partir de aquí, tienes mucho por delante!

Otras herramientas para complementar TensorFlow

¿Qué más puede hacer TensorFlow por mi?

Ejercicios finales

BONUS: Un regalo para ti

Enhorabuena por completar el curso

BONUS: Un regalo para ti


Reviews

P
Paulino8 October 2020

El curso ha sido una buena elección en general. He aprendido sobre arquitectura de redes neuronales y su implementación

F
Francisco3 October 2020

Aún no lo he acabado, lo cierto que es interesante pero creo que habría que actualizar en algunos cursos que ya tengo las partes que han cambiado ya

J
Johnny26 September 2020

Impresionante curso de Tensorflow! Al principio puede parecer algo chocante incluso puedes no enterarte de mucho, pero a medida que pasan los videos vas aprendiendo la forma en que trabaja tensorflow v1. Curso recomendado 100%. He podido pasar todo el curso a google colab, por lo que trabajarás de forma muy comoda y rapida gracias a las GPU/TPU que nos proporciona Google!!!

R
Ruber16 June 2020

muy completo el curso se aprende muchos fundamentos pero lo malo es que todo esta en la versión de tensorflow 1.14

E
Emmanuel4 April 2020

Ha sido una de las mejores elecciones que he hecho en adquirir este curso, me ha ayudado a entender la programacion en tensorflow bastante y espero concluirlo para continuar con el curso de tensorflow 2.0

R
Ricardo19 February 2020

El curso resulto mejor de lo que esperaba , actualmente me encuentro muy interesado en la parte de ciencias de datos, este curso cayó como anillo al dedo, bastante recomendado. El profesor explica de manera breve y concisa.

R
Raul24 January 2020

Creo que se necesita una seccion donde se pueda consultar la teoria de los diferentes tipos de redes neuronales como en el curso de tensorflow 2.0

C
CodeNation7 January 2020

Hasta ahora no solo se enfoca en el curso, si no que muestra más herramientas que pueden ser útiles para tomar este curso y resolver rápido las dudas.

J
Juan8 December 2019

Muy buena manera de explicar sus conocimientos y forma muy cercana y humana. Muchas gracias profesor!

J
John24 September 2019

Gracias, a este curso pude implementar un algoritmo que predijera fraudes con tarjeta de crédito para la empresa en la que trabajo. Muchas Gracias!!

A
Axel15 September 2019

Excelente curso!!! Aprendes mil cosas nuevas siempre con Juan Gabriel, es sin duda alguna uno de los mejores docentes que he tenido. Muchísimos temas interesantes con una aplicación muy profunda en el mundo actual.

J
Jose20 July 2019

He disfrutado muchísimo con este curso. Llevo varios del mismo autor y sabría que no fallaría. Como siempre, controla muy bien la materia de todo lo que trata. Por poner una pega, el alcance de este curso es muy amplio y en varios videos se pasa a mi modo de ver demasiado por alto en aspectos relacionados con el propio tema del curso utilizando la librería de TensorFlow sin expicarla. Quizás sería más adecuado explicar mejor las líneas de código que se escriben y no pretender abarcar tanto aunque supongo que también habrá quien piense lo contrario. En cualquier caso, es algo puntual y si se estudian bien los videos y el código asociado y se apoyan con lecturas adicionales, se puede llegar a una comprensión total del material.

A
Alfonso7 July 2019

Ya entramos a lo profundo de TensorFlow para Redes Neuronales las explicaciones y ejemplos son claros y vamos en el camino correcto para aprender Deep Learning usando la libreria de Google Tensorflow, en cambio de los Jupyter Notebooks estoy utlizando Google Colab y ya se quiere pasar a Tensorflow 2.0. Asi que Profe vamos a por TensorFlow 2.0 y KERAS, entiendo que este es el camino a seguir keras como herramienta basada en TF2.0 para deep learning

c
carlos19 June 2019

El curso esta bien? Si. Divertido? A ratos un poco arido. Me falta teoria y se introducen a capon funciones de tf que no se sabe de donde salen. pero para tomar una idea general sirve. Para tener una receta de cocina sirve, para reutilizar codigo sirve. Y tampoco se trata de aprender algo que lleva años en tres meses.... Asi que bien.

J
Johann28 May 2019

Excelente enseñanza, ya he tenido la oportunidad de tomar cursos con Juan Gabriel y me parece excelente tutor, la claridad con la que presenta la catedra es muy buena, se nota el dominio del tema.


Coupons

DateDiscountStatus
6/27/202193% OFFExpired
7/9/202193% OFFValid

2171402

Udemy ID

1/23/2019

Course created date

11/6/2019

Course Indexed date
Bot
Course Submitted by