Curso online: especialización profesional certificada en aprendizaje automático aplicado de Google

Mejore sus habilidades de aprendizaje automático con técnicas avanzadas para resolver problemas prácticos en procesamiento de datos, visión por computadora y redes neuronales.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Curso online: especialización profesional certificada en aprendizaje automático aplicado de Google

Professional Certificate

a partir de

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Habilidades prácticas de aprendizaje automático.
  • Aprendizaje guiado
  • métodos de red
  • Análisis de regresión
  • aprendizaje no guiado
  • redes neuronales
  • Clasificación de imágenes
  • Extrayendo atributos de datos
  • Optimización de modelos.
  • Redes neuronales convolucionales (CNN)
  • aprendizaje por refuerzo
  • Análisis a priori
  • Resolver problemas reales basados ​​en datos
  • Experiencia práctica con Jupyter Notebook y PyTorch

What you will learn in the course

Courses for which the course is suitable

  • Ingeniero de datos
  • analista de datos
  • Desarrolla modelos de aprendizaje automático.
  • científico de datos
  • Experto en visión por ordenador.
  • Desarrollador de software en el campo de la inteligencia artificial.
  • Investigador en el campo del aprendizaje automático.
  • Analista de Sistemas Predictivos
  • Desarrolla soluciones avanzadas de previsión
  • Especialista en aprendizaje por refuerzo.

Focus: una serie de 3 cursos

Esta pasantía está diseñada para estudiantes de posgrado que desean desarrollar habilidades prácticas de aprendizaje automático que puedan aplicarse en diversos campos. Durante tres cursos integrales, técnicas clave como:

  • Aprendizaje guiado
  • métodos de red
  • Análisis de regresión
  • aprendizaje no guiado
  • redes neuronales

Los cursos enfatizan el aprendizaje práctico y brindan la oportunidad de aplicar el aprendizaje automático a problemas prácticos como:

  • Clasificación de imágenes
  • Extrayendo atributos de datos
  • Optimización de modelos.

Profundiza en temas avanzados como:

  • Redes neuronales convolucionales (CNN)
  • aprendizaje por refuerzo
  • Análisis a priori

Al final de la pasantía, estará bien equipado para abordar desafíos complejos en el aprendizaje automático en áreas como la visión por computadora y el procesamiento de datos, lo que lo convertirá en un activo valioso en industrias que necesitan modelos predictivos avanzados.

Un proyecto de aprendizaje práctico.

En esta pasantía, los estudiantes trabajarán en proyectos del mundo real, como predecir tasas de suicidio utilizando conjuntos de datos de Maccagel. Al aplicar técnicas de aprendizaje automático, los estudiantes capturarán datos, identificarán características importantes y desarrollarán modelos predictivos.

Trabajarán en desafíos complejos, como determinar si se utilizan modelos de clasificación o regresión y calibrar algoritmos de aprendizaje automático para encontrar metodologías sólidas en todas las variables.

Utilizando herramientas como Jupyter Notebook y PyTorch, los estudiantes obtendrán experiencia práctica y crearán un prototipo funcional que resuelve problemas reales basados ​​en datos.

Details of the courses that make up the specialization

Aprendizaje automático práctico: técnicas y aplicaciones

Curso 1

19 horas

¿Qué aprenderás?

  • Comprender y aplicar técnicas de aprendizaje automático a tareas de visión por computadora, incluido el reconocimiento de imágenes y el reconocimiento de objetos.
  • Analice los atributos de los datos y evalúe el rendimiento de los modelos de aprendizaje automático utilizando métricas y técnicas de evaluación adecuadas.
  • Aplique métodos de preprocesamiento de datos para limpiar, convertir y preparar datos para entrenar un modelo de aprendizaje automático de manera efectiva.
  • Aplicar y optimizar algoritmos de aprendizaje supervisado para tareas de clasificación y regresión.

habilidades que adquirirás

  • Preprocesamiento de datos
  • ingeniería de características
  • Aprendizaje supervisado
  • aplicación práctica
  • Evaluación de modelos

Métodos avanzados en aplicaciones de aprendizaje automático.

Curso 2

19 horas

¿Qué aprenderás?

  • Comprender y aplicar métodos de conjunto para mejorar la precisión y solidez del modelo mediante la combinación de varios algoritmos de aprendizaje.
  • Explore técnicas de regresión avanzadas para predecir resultados continuos y modelar relaciones complejas en datos.
  • Aplique algoritmos de aprendizaje no supervisados ​​para agrupación, reducción de dimensionalidad y reconocimiento de patrones en datos sin etiquetar.
  • Comprender y aplicar técnicas de aprendizaje basado en refuerzo y análisis apócrifo para la toma de decisiones y la búsqueda de leyes asociativas.

habilidades que adquirirás

  • aprendizaje en conjunto
  • Aprendizaje no supervisado
  • aprendizaje por refuerzo
  • Análisis epitelial
  • Técnicas avanzadas de regresión

Comprensión de las redes neuronales y la regularización de modelos.

Curso 3

16 horas

¿Qué aprenderás?

  • Cree redes neuronales desde cero y aplíquelas a conjuntos de datos reales como MNIST.
  • Aplique la propagación hacia atrás para optimizar los modelos de redes neuronales y comprender los gráficos computacionales.
  • Utilice regularización L1, L2, abandono y poda para reducir el sobreajuste del modelo.
  • Aplique redes neuronales convolucionales (CNN) y tensores utilizando PyTorch para el procesamiento de imágenes y audio.

habilidades que adquirirás

  • Competencia en PyTorch
  • Técnicas de regularización
  • Aplicación de redes neuronales.
  • Redes neuronales convolucionales (CNN)
  • Controlar la eliminación de la espalda

Productos relacionados