Siguientes pasos con deep learning
Clase 28 de 28 • Curso Profesional de Redes Neuronales con TensorFlow
Contenido del curso
- 3

Carga y Procesamiento de Bases de Datos en Inteligencia Artificial
02:48 - 4

Carga de Bases de Datos JSON desde GCP en Google Colab
10:25 - 5

Codificación Base64 y Gestión de Imágenes en Google Colab
12:50 - 6

Preprocesamiento y limpieza de datos
12:15 - 7

Keras datasets
10:14 - 8

Datasets generators
18:36 - 9

Aprende a buscar bases de datos para deep learning
04:14 - 10

Cómo distribuir los datos
06:50 - 11

Crear la red neural, definir capas, compilar, entrenar, evaluar y predicciones
14:35
- 12

Métodos de regularización: overfitting y underfitting
11:16 - 13

Recomendaciones prácticas para ajustar un modelo
12:00 - 14

Métricas para medir la eficiencia de un modelo: callback
08:18 - 15

Monitoreo del entrenamiento en tiempo real: early stopping y patience
07:04 - 16

KerasTuner: construyendo el modelo
13:54 - 17

KerasTuner: buscando la mejor configuración para tu modelo
08:45
A través de los módulos profesionalizamos el ciclo de vida de la creación del código de un proyecto de Machine Learning. A través de las sesiones aprendimos:
- Carga de bases de datos en múltiples formatos.
- Generación de modelos de Deep Learning.
- Optimizadores y regularizadores.
- Callbacks personalizados e inteligentes.
- Buscadores inteligentes de hiperparámetros (Keras tuner).
- Uso de redes pre-entrenadas (transfer learning).
- Carga y descarga de configuraciones.
- Análisis gráficos con TensorBoard.
- Introducción y tips en la puestra a producción.
El aprendizaje nunca para, por lo que puedes indagar sobre redes neuronales convolucionales, data augmentation, formatos TF Records, despliegue en producción y Computer Vision.

Algunos de estos tópicos ya se encuentran en la plataforma, el resto estarán a tu servicio en menos tiempo del que crees. ¡Nunca pares de aprender!
Contribución creada por Sebastián Franco Gómez.