Curso online – especialización profesional certificada en técnicas avanzadas de DeepLearning.AI

Modelos, capas y funciones de pérdida personalizados con TensorFlow

Curso 1 • 31 horas • 4,9 (1.046 valoraciones)

Detalles del curso

¿Qué aprenderás?

• Comparará API funcionales y secuenciales, descubrirá nuevos modelos que puede crear con la API funcional y creará un modelo que produzca múltiples resultados, incluida una red siamesa.
• Cree funciones de pérdida personalizadas (incluida la función de pérdida contrastiva utilizada en una red siamesa) para medir el éxito del modelo y ayudar a su red neuronal a aprender de los datos de entrenamiento.
• Se basará en capas estándar existentes para crear capas personalizadas para su modelo, adaptará una capa de red utilizando una capa de entrada, comprenderá las diferencias entre ellas, aprenderá qué constituye una capa personalizada y explorará funciones de activación.
• Construirá sobre modelos existentes para agregar funciones personalizadas, aprenderá a definir su propia clase personalizada en lugar de usar API funcionales o secuenciales, creará modelos conectables en red a partir de la clase de modelo TensorFlow y creará una ResNet definiendo una clase de modelo personalizada.

DeepLearning.AI Especialización en TensorFlow: Técnicas Avanzadas

Presenta las características de TensorFlow que brindan a los estudiantes más control sobre la arquitectura de su modelo y herramientas que los ayudan a crear y entrenar modelos avanzados de aprendizaje automático.

Esta especialización tiene como objetivo

Para ingenieros de software y aprendizaje automático que comienzan y se encuentran en la mitad de su carrera y que tienen un conocimiento básico de TensorFlow y desean ampliar sus conocimientos y habilidades aprendiendo funciones avanzadas de TensorFlow para crear modelos potentes.

Habilidades que adquirirás

• Categoría: API funcional
• API funcional
• Categoría: Modelos personalizados y personalizados con API funcional
• Modelos personalizados y personalizados con una API funcional
• Categoría: Funciones de pérdida ajustadas
• Funciones de pérdida ajustadas
• Categoría: capas personalizadas
• Capas personalizadas

Entrenamiento personalizado y distribuido con TensorFlow

Curso 2 • 24 horas • 4.8 (406 valoraciones)

Detalles del curso

¿Qué aprenderás?

• Aprenderá sobre los objetos Tensor, los componentes básicos de TensorFlow, comprenderá la diferencia entre tensores «entusiastas» y «gráficos» en TensorFlow y aprenderá a utilizar las herramientas de TensorFlow para calcular gradientes.
• Cree bucles de entrenamiento personalizados utilizando GradientTape y TensorFlow Datasets para obtener más flexibilidad y visibilidad en el entrenamiento de su modelo.
• Aprenderá sobre los beneficios de crear código que se ejecuta en modo gráfico, verá cómo se ve el código gráfico y practicará la migración automática de este código eficiente con las herramientas de TensorFlow.
• Aprovechará el poder de la capacitación distribuida para procesar más datos y entrenar modelos más grandes, más rápido, obtener una descripción general de las diferentes estrategias de capacitación distribuida y practicar cómo trabajar con una estrategia que se entrena en múltiples GPU y otra que se entrena en múltiples TPU.

DeepLearning.AI Especialización en TensorFlow: Técnicas Avanzadas

Presenta las características de TensorFlow que brindan a los estudiantes más control sobre la arquitectura de su modelo y herramientas que los ayudan a crear y entrenar modelos avanzados de aprendizaje automático.

Esta especialización tiene como objetivo

Para ingenieros de software y aprendizaje automático que comienzan y se encuentran en la mitad de su carrera y que tienen un conocimiento básico de TensorFlow y desean ampliar sus conocimientos y habilidades aprendiendo funciones avanzadas de TensorFlow para crear modelos potentes.

Habilidades que adquirirás

• Categoría: Estrategias de distribución
• Estrategias de distribución
• Categoría: GradientTape para optimización
• GradientTape para optimización
• Categoría: Bucles de entrenamiento personalizados
• Bucles de entrenamiento personalizados
• Categoría: funcionalidad básica de tensores
• Funcionalidad básica de los tensores.

Visión por computadora avanzada con TensorFlow

Curso 3 • 19 horas • 4,8 (498 valoraciones)

Detalles del curso

¿Qué aprenderás?

• Explorará la clasificación de imágenes, la segmentación de imágenes, la ubicación de objetos y la detección de objetos. Aplicar el aprendizaje por transferencia a la localización y detección de objetos.
• Aplique modelos de detección de objetos como Regional-CNN y ResNet-50, adapte los modelos existentes y cree sus propios modelos para detectar, localizar y etiquetar sus imágenes de patos.
• Aplique la segmentación de imágenes utilizando variaciones de la red convolucional completa (FCN), incluidas U-Net y Mask-RCNN, para identificar y detectar números, mascotas, zombis y más.
• Identifique qué partes de una imagen está utilizando su modelo para hacer sus predicciones utilizando mapas de activación de clases y mapas de importancia, y aplique estos métodos de interpretación de aprendizaje automático para probar y mejorar el diseño de una red famosa, AlexNet.

DeepLearning.AI Especialización en TensorFlow: Técnicas Avanzadas

Presenta las características de TensorFlow que brindan a los estudiantes más control sobre la arquitectura de su modelo y herramientas que los ayudan a crear y entrenar modelos avanzados de aprendizaje automático.

Esta especialización tiene como objetivo

Para ingenieros de software y aprendizaje automático que comienzan y se encuentran en la mitad de su carrera y que tienen un conocimiento básico de TensorFlow y desean ampliar sus conocimientos y habilidades aprendiendo funciones avanzadas de TensorFlow para crear modelos potentes.

Habilidades que adquirirás

• Categoría: Importancia
• importancia
• Categoría: segmentación de imágenes
• Segmentación de imágenes
• Categoría: Interpretación de modelos
• Interpretación de modelos.
• Categoría: Mapas operativos de departamentos
• Mapas operativos de los departamentos.
• Categoría: API de descubrimiento de objetos en TensorFlow
• API para descubrimiento de objetos en TensorFlow

Aprendizaje profundo generativo con TensorFlow

Curso 4 • 16 horas • 4,9 (279 valoraciones)

Detalles del curso

¿Qué aprenderás?

• Aprenderá sobre la transferencia de estilos neuronales a través del aprendizaje por transferencia: encontrará el contenido de una imagen (por ejemplo, un pato) y el estilo de una pintura (por ejemplo, cubista o impresionista) y combinará el contenido y el estilo en una nueva imagen.
• Construirás AutoEncoders simples en el conocido conjunto de datos MNIST y arquitecturas convolucionales profundas más complejas en el conjunto de datos Fashion MNIST, comprenderás la diferencia en los resultados entre los modelos DNN y CNN, identificarás formas de eliminar el ruido de imágenes ruidosas y construirás una CNN. AutoEncoder usa TensorFlow para producir una imagen limpia a partir de una imagen ruidosa.
• Explore los codificadores automáticos variacionales (VAE) para crear datos completamente nuevos y cree caras de anime para compararlas con imágenes de referencia.
• Aprenderá sobre las GAN; Invención, características, arquitectura y en qué se diferencian de los VAE. Comprenderá el papel del generador y discriminador dentro del modelo, el concepto de 2 etapas de entrenamiento y el papel del ruido introducido, y construirá su propia GAN que pueda generar caras.

DeepLearning.AI Especialización en TensorFlow: Técnicas Avanzadas

Presenta las características de TensorFlow que brindan a los estudiantes más control sobre la arquitectura de su modelo y les brinda las herramientas para crear y entrenar modelos avanzados de aprendizaje automático.

Esta especialización tiene como objetivo

Para ingenieros de software y aprendizaje automático que comienzan y se encuentran en la mitad de su carrera y que tienen un conocimiento básico de TensorFlow y desean ampliar sus conocimientos y habilidades aprendiendo funciones avanzadas de TensorFlow para crear modelos potentes.

Habilidades que adquirirás

• Categoría: Codificadores automáticos
• Codificadores automáticos
• Categoría: redes generativas adversarias
• Redes generativas opuestas
• Categoría: Transferencia de estilo neuronal
• Transmisión de estilo neuronal.