Udemy

Platform

Español

Language

Data Science

Category

Tensorflow 2.0: Guía completa para el Nuevo Tensorflow

Crea soluciones sorprendentes de Deep Learning e Inteligencia Artificial y súbelas a producción con TensorFlow 2.0

4.76 (346 reviews)

Students

20 hours

Content

Apr 2021

Last Update
Regular Price

SKILLSHARE
SkillShare
Unlimited access to 30 000 Premium SkillShare courses
30-DAY FREE TRIAL

What you will learn

Cómo utilizar TensorFlow 2.0 en Data Science

Diferencias importantes entre TensorFlow 1.X y TensorFlow 2.0

Cómo implementar Redes Neuronales Artificiales en TensorFlow 2.0

Cómo implementar Redes Neuronales Convolucionales en TensorFlow 2.0

Cómo implementar Redes Neuronales Recurrentes en TensorFlow 2.0

Cómo construir tu propia aplicación de Transfer Learning en TensorFlow 2.0

Cómo construir un bot que actúe como un broker comprando y vendiendo acciones utilizando Reinforcement Learning (Deep-Q Network)

Cómo construir un pipeline de Machine Learning al completo en Tensorflow 2.0

Cómo crear una validación de datos y pre procesado de datasets automáticos utilizando TensorFlow Data Validation y TensorFlow Transform

Poner en producción un modelo TensorFlow 2.0

Cómo crear una API que clasifique imágenes con Flask y TensorFlow 2.0

Cómo acceder a un modelo deTensorFlow en un servidor con RESTful API


Description

¡Bienvenido al curso de Tensorflow 2.0!

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 (seguro que ya has tomado algún curso mío sobre esta materia), 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.

En la Parte 1 del curso, aprenderás sobre la infraestructura tecnológica que utilizaremos a lo largo del curso (Sección 1) y lo básico de la librería TensorFlow 2.0 y su sintaxis (Sección 2).

En la Parte 2 de este curso, indagaremos en el apasionante mundo del aprendizaje profundo. Durante esta parte del curso, implementarás varios tipos de redes neuronales (Redes Neuronales Artificiales [Sección 3], Redes Neuronales Convolucionales [Sección 4], Redes Neuronales Recurrentes [Sección 5]). Al final de esta parte, en la Sección 6, aprenderás y construirás un ejemplo de Transfer Learning que da unos resultados impresionantes en clasificación de imágenes de perros y gatos con una red neuronal entrenada por Google.

Al acabar la segunda parte del curso y ultimar el aprendizaje de cómo implementar redes neuronales, en la Parte 3 verás como hacer tu propio broker resolviendo el problema de compra-venta de acciones en tiempo real utilizando Aprendizaje por Refuerzo, específicamente el Deep-Q Learning.

La Parte 4 va sobre TensorFlow Extended (TFX). En esta parte del curso aprenderás a cómo trabajar con datos y crear tus propios flujos de datos para subirlos a producción. En la Sección 8 comprobaremos si el dataset tiene alguna anomalía utilizando la librería TensorFlow Data Validation y, después de aprender cómo comprobar anomalías de un dataset en la Sección 9, haremos nuestro propio pre procesado de flujo de datos utilizando el paquete TensorFlow Transform.

En la Sección 10 de este curso aprenderás y crearás tu propio Fashion API haciendo uso de la librería Flask Python y un modelo pre entrenado. A lo largo de esta sección, obtendrás una imagen más completa de cómo enviar peticiones a un modelo a través de internet. Sin embargo, en esta etapa, la arquitectura alrededor del modelo no es escalable a millones de peticiones. Entramos en la Sección 11. En esta, aprenderás a cómo mejorar las soluciones a la sección previa utilizando la librería TensorFlow Serving. De una manera muy sencilla, aprenderás y crearás tu propio API de Clasificación de Imágenes ¡que soporta millones de peticiones al día!

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.

Ya para acabar con el proceso de aprendizaje y la Parte 5 de este curso, en la Sección 13 aprenderás a cómo distribuir el entrenamiento de una Red Neuronal a múltiples GPUs o también a Servidores haciendo uso del paquete TensorFlow 2.0.


Screenshots

Tensorflow 2.0: Guía completa para el Nuevo Tensorflow
Tensorflow 2.0: Guía completa para el Nuevo Tensorflow
Tensorflow 2.0: Guía completa para el Nuevo Tensorflow
Tensorflow 2.0: Guía completa para el Nuevo Tensorflow

Content

Introducción

Bienvenido al curso de TensorFlow 2.0. Descubre la estructura y el toolkit de TF

Currículum del curso y toolkit de colaboración

BONUS: 10 ventajas de TensorFlow

Aprende con amigos en la comunidad de Discord

Cómo usar Udemy y buscar entre los materiales correctamente

Pre requisitos del curso

Las bases de TensorFlow 2.0

De TensorFlow 1.x a TensorFlow 2.0

Constantes, Variables y Tensores

Operaciones con Tensores

Strings

Redes Neuronales Artificiales

Configurar el proyecto inicial

Pre procesado de datos

Construir el modelo de RNA

Entrenar el modelo de RNA

Evaluar el modelo de RNA

Cuestionario de Redes Neuronales Artificiales

Redes Neuronales de Convolución

Configuración del proyecto y pre procesado de los datos

Construir la RNC

Entrenar y evaluar la RNC

Cuestionario de Redes Neuronales de Convolución

Redes Neuronales Recurrentes

Configuración del proyecto y pre procesado de los datos

Construir la RNR

Entrenar y evaluar la RNR

Cuestionario de Redes Neuronales Recurrentes

Ejercicio: predecir si una valoración de la App Store es positiva o negativa

Aprendizaje por transferencia y puesta a punto de parámetros

¿Qué es el aprendizaje por transferencia?

Configuración del proyecto

Pre procesado de los datos

Cargar el modelo MobileNet v2

Congelar el modelo pre entrenado

Añadir una capa personalizada para resolver nuestro problema de clasificación

Definir el modelo de transfer learning

Compilar el modelo de Transfer Learning

Image Data Generators

Transferencia de aprendizaje

Evaluar los resultados del aprendizaje transferido

Definir el modelo de puesta a punto de parámetros

Compilar el modelo de parámetros ajustados

Fine Tuning

Evaluar el resultado de nuestro Fine Tuning

Aprendizaje por Transferencia y Puesta a punto de parámetros

Teoría del Deep Reinforcement Learning

¿Qué es el Aprendizaje por Refuerzo?

La ecuación de Bellman

Procesos de Decisión de Markov (MDP)

Idea del Q-Learning

Diferencia Temporal

Idea del Deep Q-Learning - Paso 1

Idea del Deep Q-Learning - Paso 2

Experience Replay

Políticas de selección de acción

Deep Reinforcement Learning para problemas de finanzas y stocks

Configuración del Proyecto

IA del broker - Paso 1

IA del broker - Paso 2

IA del broker - Paso 3

IA del broker - Paso 4

IA del broker - Paso 5

La función Dataset Loader

La función State Creator

Cargar el dataset

Definir el modelo

Fase de entrenamiento - Paso 1

Fase de entrenamiento - Paso 2

Validación de datos con TensorFlow Data Validation (TFDV)

Configuración del Proyecto

Cargar el dataset de contaminación

Crear el esquema del dataset

Calcular los estadísticos básicos del conjunto de test

Detección de anomalías con TensorFlow Data Validation

Preparar el esquema para subir a producción

Guardar el esquema

¿Y ahora qué más?

Pre procesado de datos con TensorFlow Transform (TFT)

Configuración del proyecto

Pre procesado inicial del data set

Meta datos del data set

Función Preprocessing

El flujo de pre procesado del data set

¿Y ahora qué más?

Fashion API con Flask y TensorFlow 2.0

Instalar Tensorflow 2.0 y utilizar Anaconda Navigator en tu ordenador

Configuración del proyecto

Importar las dependencias del proyecto

Cargar un modelo pre entrenado

Definir la aplicación Flask

Crear la función de clasificación

Iniciar la aplicación Flask

Enviar peticiones al modelo de la API a través de internet

API de clasificación de imágenes con TensorFlow Serving

¿Qué es TensorFlow Serving?

La arquitectura de TensorFlow Serving

Configuración del proyecto

Pre procesado del data set

Definir, entrenar y evaluar el modelo

Guardar el modelo para subir a producción

El modelo de TensorFlow 2.0 desde el Servidor

Crear un objeto JSON

Enviar peticiones por POST al modelo

Enviar peticiones por POST a modelos específicos

TensorFlow Lite: Preparando un modelo para los dispositivos móviles

¿Qué es TensorFlow Lite?

Configuración del Proyecto

Pre procesado del data set

Construir un modelo

Entrenar y evaluar el modelo

Guardar el modelo

Conversor a TensorFlow Lite

Convertir el modelo a TensorFlow Lite

Guardar el modelo convertido

¿Y ahora qué más?

Entrenamiento distribuido con TensorFlow 2.0

¿Qué es el entrenamiento distribuido?

Configuración del proyecto

Pre procesado del data set

Definir un modelo no distribuido (modelo normal de Red Neuronal Convolucional)

Configurar una estrategia distribuida

Definir un modelo distribuido

Evaluación final - Test de velocidad entre modelos distribuidos y normales

Anexo 1 - Teoría de las Redes Neuronales Artificiales

Plan de Ataque

El Perceptrón

La función de Activación

Cómo funciona una red neuronal

Cómo aprende una red neuronal

Gradiente descendente

Gradiente descendente estocástico

Propagación hacia atrás

Anexo 2 - Teoría de las Redes Neuronales Convolucionales

Plan de Ataque

¿Qué es una red neuronal convolucional?

Paso 1 - Convolución

Paso 1.b - Capa de ReLU

Paso 2 - Max Pooling

Paso 3 - Flattening

Paso 4 - Capa totalmente conectada

Resumen

Funciones de softmax y entropía cruzada

Anexo 3 - Teoría de las Redes Neuronales Recurrentes

Plan de Ataque

¿Qué es una red neuronal recurrente?

Vanishing gradient

LSTMs

Idea práctica de los LSTM

Variantes de LSTM

BONUS - Un regalo para ti

Clase extra: Un bonus especial para ti


Reviews

M
Miguel19 September 2020

Sí, hasta ahora el curso cumple con lo que busco y se ve que todo el equipo que hay por detrás es el indicado para cubrir con el contenido

O
Omar3 September 2020

El curso es bastante bueno, preciso y conciso, aunque requiere conocimiento previo, si uno esta familiarizado con tensorflow o keras y conoce de redes neuronales pero quiere profundizar o conocer ejemplos distintos, les recomiendo este curso

J
Jorge1 September 2020

Profesor Juan Gabriel, excelente curso al igual que los demás. Sigue desarrollado contenido de calidad como el este curso y los demás que has publicado.

R
Ricardo13 July 2020

Es mi instructor favorito pero este curso lo ofrece como de tensorflow 2 y muchas de las clases volvemos al 1 debería enfocarse en enseñar solo en las nuevas actualizaciones. y profundizar mas en eso o dar mas ejemplos sigue con los dataset de cursos anteriores.

H
Holman28 June 2020

El curso es muy bueno, he aprendido muchas cosas, he visto varios cursos de Machine Learning y este es bastante completo mas por las secciones de repaso, los notebook ya creados facilitan mucho las explicaciones y acortan la duración de los videos, siento que debí ver los cursos mencionados al inicio del mismo pero nada que no pueda suplirse y luego repetir el curso. En términos generales me ha gustado mucho, personalmente trabajo con videojuegos en Unity y me gustaría mucho poder utilizar de manera autónoma la librería de ML-Agents especialmente el gym-unity el cual permite trabajar agentes con nuestros propios modelos, he buscado documentación en internet y es bastante complejo encontrar alguna información detallada y sobre todo en español de como hacerlo, por el momento estoy feliz y espero seguir aprendiendo de este mundo, mi mayor limitación sigue siendo Python y no he encontrado un curso que me enseñe de cero todo su potencial, Pandas y Numpy siguen siendo mi dolor de cabeza a la hora de entender los algoritmos y las transformaciones. Por lo demás gracias.

Y
Yohan21 May 2020

Hasta lo que se ha avanzado es muy clara la explicación de tensores y el profesor es muy preciso en los temas llevandolos paso a paso.

O
Oscar7 May 2020

De tensorflow 1 a tensorflow 2, se realizaron muchos cambios, este curso es genial para poder ver estas actualizaciones de una manera practica y poder avanzar

J
Juan25 April 2020

La teoría está super bien explicada, a pesar de que se hace uso de vocabulario técnico, todo se entiende sin ningun problema, a lo largo del curso iré modificando esta reseña de acuerdo a mi experiencia.

M
Matias18 February 2020

excelente curso! me gusto mucho la forma de explicarlo, me refiero a que el codigo de los ejercicios ya estaba escrito de antemano, y Juan Gabriel lo iba explicando linea por linea, eso lo hizo muy fluido y sencillo de seguir. Y con respecto a una tematica para un curso futuro, estaria genial que trate sobre de Tensorflow Extended con todos sus componentes.

H
Hermes30 November 2019

Cuando inicié este curso no tenía ni la más remota idea de IA :( Realmente me encanta lo ameno de las explicaciones, bastantes actualizadas y completas. Creo que ha sido una excelente opción apuntarme con este excelente instructor ! No me queda más que recomendar ampliamente este curso ! Aquí espero seguir aprendiendo mucho más :)

R
Robinson30 November 2019

Apenas estoy empezando en el curso con la introducción atendida veo que es un excelente curso en el que voy aprender mucho sobre este tema de interés

R
Ruben28 October 2019

Este curso en particular, ha sido muy bueno en términos de contenidos y claridad en los temas, ademas que siento que me introduce en un area completamente de vanguardia, mi unica critica es que Juan tiene demasiados cursos publicados y a veces pregunto por dudas del curso actual y la respuesta es algo como..en el curso X que tengo publicado, abordo en profundidad lo que preguntas......no puedo estar tomando muchos cursos al mismo tiempo porque la idea tambien es enfocarse, creo que deberia darse un poco mas de tiempo en responder de manera mas clara y con un poquito mas de dedicacion, las dudas que se levantan en el foro....y para mi el curso final que estoy esperando, es desarrollo de aplicaciones multiplataformas con python/tensorflow, para explotar modelos de deep learning/machine learning...

A
Alexis12 October 2019

Excelente curso que permite ponerse al día con lo nuevo que trae TensorFlow. Recursos que toman los diferentes puntos y aspectos que hacen posible, con una clara explicación, la implementación en algún proyecto que se esté considerando.

M
Marcos23 September 2019

Estoy muy satisfecho de este curso. Tengo también entre mis cursos el de Machine learning de la A a la Z y el de big data y lo complemente de maravilla. Encuentro que es un verdadero acierto que ya estén escritos y comentados los notebooks. Lo hace todo mucho mas fluido y cómodo. Un verdadero acierto.

G
Guillermo20 August 2019

Actualmente estoy llevando un pryecto de IA, con el cual gracias a este curso voy a poder mejorar ya que se utilizara una tecnologia de punta como lo es TF 2.0


Coupons

DateDiscountStatus
4/21/202094% OFFExpired
6/27/202194% OFFExpired
7/9/202194% OFFValid

2440222

Udemy ID

7/2/2019

Course created date

11/6/2019

Course Indexed date
Bot
Course Submitted by