NOSOTROS CRONOGRAMA FRANQUICIA BLOG CONTACTO ACCESO SISTEMA ACADEMICO

GOOGLE

Aprendizaje Automático en Google Cloud

Código: GOO-046


¿Qué es el aprendizaje automático y qué tipo de problemas puede resolver? ¿Por qué las redes neuronales son tan populares en este momento? ¿Cómo puede mejorar la calidad de los datos y realizar análisis de datos exploratorios? ¿Cómo se puede configurar un problema de aprendizaje supervisado y encontrar una buena solución generalizable mediante el descenso de gradientes? En este curso, aprenderá a escribir modelos de aprendizaje automático distribuidos que escalen en Tensorflow 2.x, realizar ingeniería de características en BQML y Keras, evaluar curvas de pérdida y realizar ajustes de hiperparámetros, y entrenar modelos a escala con Cloud AI Platform.

 Propuesta de Valor: GOOGLE

 Duración: 40 Horas Académicas

Áreas de Conocimiento:
CLOUDCIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL

Exportar Contenido a PDF

   AUDIENCIA


  • Aspirantes a científicos e ingenieros de datos de aprendizaje automático.
  • Científicos de aprendizaje automático, científicos de datos y analistas de datos que desean estar expuestos al aprendizaje automático en la nube mediante TensorFlow 2.xy Keras

   PRE REQUISITOS


  • Alguna familiaridad con los conceptos básicos de aprendizaje automático.
  • Dominio básico de un lenguaje de secuencias de comandos: se prefiere Python.

   OBJETIVOS


  • Encuadre un caso de uso empresarial como un problema de aprendizaje automático.
  • Describir cómo mejorar la calidad de los datos.
  • Realizar análisis de datos exploratorios.
  • Construir y entrenar modelos de aprendizaje supervisado.
  • Optimizar y evaluar modelos usando funciones de pérdida y métricas de desempeño.
  • Cree conjuntos de datos de prueba, evaluación y capacitación repetibles y escalables.

   CERTIFICACIÓN DISPONIBLE



  • Certificación emitida por COGNOS.

   CONTENIDO



1. CÓMO GOOGLE REALIZA EL APRENDIZAJE AUTOMÁTICO

1.1. DESARROLLE UNA ESTRATEGIA DE DATOS EN TORNO AL APRENDIZAJE AUTOMÁTICO
1.2. EXAMINE LOS CASOS DE USO QUE LUEGO SE REINVENTAN A TRAVÉS DE UNA LENTE ML
1.3. RECONOZCA LOS SESGOS QUE ML PUEDE AMPLIFICAR
1.4. APROVECHE LAS HERRAMIENTAS Y EL ENTORNO DE GOOGLE CLOUD PLATFORM PARA REALIZAR ML
1.5. APRENDA DE LA EXPERIENCIA DE GOOGLE PARA EVITAR ERRORES COMUNES
1.6. REALICE TAREAS DE CIENCIA DE DATOS EN CUADERNOS COLABORATIVOS EN LÍNEA
1.7. INVOCAR MODELOS DE AA PREVIAMENTE ENTRENADOS DESDE CLOUD AI PLATFORM


2. LANZAMIENTO AL APRENDIZAJE AUTOMÁTICO

2.1. DESCRIBE CÓMO MEJORAR LA CALIDAD DE LOS DATOS
2.2. REALICE ANÁLISIS DE DATOS EXPLORATORIOS
2.3. CONSTRUIR Y ENTRENAR MODELOS DE APRENDIZAJE SUPERVISADO
2.4. OPTIMICE Y EVALÚE MODELOS UTILIZANDO FUNCIONES DE PÉRDIDA Y MÉTRICAS DE RENDIMIENTO
2.5. MITIGAR LOS PROBLEMAS COMUNES QUE SURGEN EN EL APRENDIZAJE AUTOMÁTICO
2.6. CREE CONJUNTOS DE DATOS DE PRUEBA, EVALUACIÓN Y CAPACITACIÓN REPETIBLES Y ESCALABLES


3. INTRODUCCIÓN A TENSORFLOW 2.X

3.1. CREE MODELOS DE APRENDIZAJE AUTOMÁTICO DE TENSORFLOW 2.XY KERAS
3.2. DESCRIBE LOS COMPONENTES CLAVE DE TENSORFLOW 2.X
3.3. UTILICE LA BIBLIOTECA TF.DATA PARA MANIPULAR DATOS Y GRANDES CONJUNTOS DE DATOS
3.4. UTILICE LAS API SECUENCIALES Y FUNCIONALES DE KERAS PARA LA CREACIÓN DE MODELOS SIMPLE Y AVANZADA
3.5. ENTRENE, IMPLEMENTE Y PRODUZCA MODELOS DE AA A ESCALA CON CLOUD AI PLATFORM


4. INGENIERÍA DE FUNCIONES

4.1. COMPARE LOS ASPECTOS CLAVE REQUERIDOS DE UNA BUENA FUNCIÓN
4.2. COMBINE Y CREE NUEVAS COMBINACIONES DE FUNCIONES MEDIANTE CRUCES DE FUNCIONES
4.3. REALICE INGENIERÍA DE FUNCIONES CON BQML, KERAS Y TENSORFLOW 2.X
4.4. COMPRENDE CÓMO PREPROCESAR Y EXPLORAR FUNCIONES CON CLOUD DATAFLOW Y CLOUD DATAPREP
4.5. COMPRENDE Y APLICA CÓMO TENSORFLOW TRANSFORMA LAS FUNCIONES


5. ARTE Y CIENCIA DEL APRENDIZAJE AUTOMÁTICO

5.1. OPTIMICE EL RENDIMIENTO DEL MODELO CON EL AJUSTE DE HIPERPARÁMETROS
5.2. EXPERIMENTE CON REDES NEURONALES Y AJUSTE EL RENDIMIENTO
5.3. MEJORE LAS FUNCIONES DEL MODELO ML CON CAPAS INTEGRADAS



   BENEFICIOS



  • Al finalizar el curso podrá Implementar modelos de aprendizaje automático con Keras y TensorFlow 2.x.

   INVERSIÓN



La inversión incluye: Material de estudio, certificados e impuestos de ley.

  • En los cursos presenciales proveemos de una computadora por persona y refrigerios.
  • En los cursos virtuales las plataformas interactivas y acceso al aula virtual de recursos.