Entrenando un modelo de regresión lineal

Curso de TensorFlow.js

Entender el concepto de Red Neuronal y Aprendizaje Profundo

Todo lo que aprenderás sobre TensorFlow.js

Redes Neuronales, una visita express

Aprendizaje profundo

Conocer qué es TensorFlow y TensorFlow.js

¿Qué es TensorFlow?

TensorFlow con JavaScript

Inteligencia Artificial y ML en el navegador

Entender cuáles son los componentes básicos de una Red Neuronal y cómo entrenarla

Entradas, capas y salidas

Entrenando un modelo

Visualización del proceso de entrenamiento

Almacenamiento de modelos de redes neuronales

Entender cual es la forma común de utilizar un modelo de Red Neuronal

Optimización de modelos

Modelo general de utilización

Transfiriendo el aprendizaje

Diseñar un modelo de Regresión Lineal

Diseñando un modelo de regresión lineal

Entrenando un modelo de regresión lineal

Preparando datos para un modelo de regresión lineal

Utilizando un modelo de regresión lineal

Crear una aplicación en JavaScript que utilice un modelo de clasificación de Imágenes

Diseñando un modelo de clasificación de imágenes

Utilizando un modelo de clasificación de imágenes

Transferencia de conocimiento a un modelo de clasificación de imágenes

Conclusión

Resúmen y siguientes pasos

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Si ya tienes una cuenta,

Recursos

Aportes 8

Preguntas 3

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Sergio Correa Lopez

hace 4 años

codigo de esta clase:
crear index,html

<!DOCTYPE html>

<html lang="es">
<head>
    <meta charset="UTF-8">
            
    <title> Modelo Regresion </title>

    <!-- Importar TensorFlow.js -->
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
    <!-- Importar tfjs-vis  Visualizacion-->
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tfjs-vis.umd.min.js"></script>
 
</head>

<body>
    <!-- Importar el archivo principal -->
    <script src="script.js"></script>
</body>
</html>

y en la misma carpeta debemos crear un archivo script.js

/*

{
	"IngresoPromedioZona": 79545.45857,
	"EdadPromedioZona": 5.682861322,
	"NumeroDeCuartosPromedio": 7.009188143,
	"NumeroRecamarasPromedio": 4.09,
	"PoblacionZona": 23086.8005,
	"Precio": 1059033.558,
	"Direccion": "No disponible"
	}


*/

async function getData() {
    const datosCasasR = await fetch('https://static.platzi.com/media/public/uploads/datos-entrenamiento_15cd99ce-3561-494e-8f56-9492d4e86438.json');  
    const datosCasas = await datosCasasR.json();  
    const datosLimpios = datosCasas.map(casa => ({
      precio: casa.Precio,
      cuartos: casa.NumeroDeCuartosPromedio
    }))
    .filter(casa => (casa.precio != null && casa.cuartos != null));
    
    return datosLimpios;
  }
  
  function visualizarDatos(data){
    const valores = data.map(d => ({
      x: d.cuartos,
      y: d.precio,
    }));
  
    tfvis.render.scatterplot(
      {name: 'Cuartos vs Precio'},
      {values: valores}, 
      {
        xLabel: 'Cuartos',
        yLabel: 'Precio',
        height: 300
      }
    );
  }

function crearModelo(){
  const modelo = tf.sequential(); 
    
  // agregar capa oculta que va a recibir 1 dato
  modelo.add(tf.layers.dense({inputShape: [1], units: 1, useBias: true}));
  
  // agregar una capa de salida que va a tener 1 sola unidad
  modelo.add(tf.layers.dense({units: 1, useBias: true}));

  return modelo;
}

async function run() {

    const data = await getData();

    visualizarDatos(data);

    crearModelo();
    
}

run();

Alejandro Santamaria

Profe Platzi

hace 4 años

Diseñar un modelo de Regresión Lineal

Demo:
https://alex112.gitlab.io/regresi-n-lineal-con-tensorflow-js

Repositorio:
https://gitlab.com/alex112/regresi-n-lineal-con-tensorflow-js.git

esteban meza betancur

hace 4 años

parceros si el archivo no les carga consumanlo por que es muy pesado

const dataJson =async()=>{

    try{
        let response =await fetch('https://static.platzi.com/media/public/uploads/datos-entrenamiento_15cd99ce-3561-494e-8f56-9492d4e86438.json')
        let json= await response.json()
        // console.log(json) 
        return json
    }
    catch(err){
        console.error(err);
        
    }
}


dataJson().then(function (data) {
    let json
    json=data
    console.log(json)
})

Katherine

hace 3 años

Chicos si trabajan con VSCODE pueden utilizar la extencion LIVE SERVER para trabajar desde un servidor y poder solucionar los problemas de lectura de json. a mi me funciono!
aca les dejo el link
https://marketplace.visualstudio.com/items?itemName=ritwickdey.LiveServer

Damian Spizzirri

hace 4 años

Quiero cargar el archivo de forma local como muestra en el ejemplo, pero me sale “Pedido de origen cruzado bloqueado” no encuentro como sortear eso. Remoto funciona, pero quiero aprender a resolverlo cargandolo local.

Alan Bertinat

hace un año

Muy buena clase, donde empezamos a afirmar de forma práctica el curso, me topé con algunos problemas al correr y los solucioné con un servidor local, gracias!

Katherine

hace 3 años

<code> 
<!DOCTYPE html>
<html lang="en">

<head>
    <meta charset="UTF-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Modelo de Regresion</title>
    <!--Import TSjs-->
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
    <!--Import TSjs para Visualizacion-->
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
</head>

<body>
    <!--Import touch js-->
    <script src="script.js"></script>
</body>

</html>

José Alberto Ortiz Vargas

hace 4 años

Wow! Aqui ya empieza la cosa seria.