Curso Advanced Machine Learning with TensorFlow on Google

 

Calendario

Estamos preparando nuevas convocatorias, déjanos tus datos a través del formulario y te avisaremos en cuanto estén disponibles.

Acerca del curso

El curso Advanced Machine Learning with TensorFlow on Google te brindará experiencia práctica en la optimización, implementación y escalado de una variedad de modelos de ML de producción. Aprenderás a crear sistemas de recomendación y modelos escalables, precisos y listos para producción para datos estructurados, datos de imágenes, series temporales y texto en lenguaje natural.

  • Ingenieros de datos y programadores interesados en aprender a poner en práctica el machine learning.
  • Cualquier persona interesada en aprender a construir y poner en funcionamiento modelos de TensorFlow.

  • Implementar los diversos tipos de sistemas de producción de ML: capacitación estática, dinámica y continua, inferencia estática y dinámica, y procesamiento por lotes y en línea.
  • Resolver un problema de ML mediante la creación de una canalización integral, desde la exploración de datos, el preprocesamiento, la ingeniería de características, la creación de modelos, el ajuste de hiperparámetros, la implementación y el servicio.
  • Desarrollar una variedad de modelos de clasificación de imágenes, desde modelos lineales simples hasta redes neuronales convolucionales (CNNs) de alto rendimiento con normalización por lotes, aumento y transferencia de aprendizaje.
  • Pronosticar valores de series temporales utilizando CNN, redes neuronales recurrentes (RNNs) y LSTMs.
  • Aplicar ML al texto en lenguaje natural utilizando CNNs, RNNs, LSTMs, incrustaciones de palabras reutilizables y modelos generativos de codificador y decodificador.
  • Implementar modelos de recomendación en TensorFlow, basados en contenido, colaborativos, híbridos y neuronales.

  • Tener conocimientos de machine learning y TensorFlow al nivel de especialización Machine Learning on Google Cloud.
  • Tener experiencia en codificación en Python.
  • Tener conocimiento de estadísticas básicas.
  • Tener conocimientos de SQL y computación en la nube.

Módulo 1: End-to-End Machine Learning with TensorFlow on GCP

Temas:

In the first course of this specialization, we recap what was covered in the Machine Learning on Google Cloud Specialization. One of the best ways to review something is to work with the concepts and technologies that you have learned. So, this course is run like a workshop where you will carry out end-toend machine learning with TensorFlow on Google Cloud Platform. Here you will learn how to explore large datasets for features, create training and evaluation datasets, build models with the Estimator API in TensorFlow, train at scale and deploy those models into production with Google Cloud Platform machine learning tools.

New learners with ML background can also follow this course to learn how to do ML on GCP to fast track to the more advanced topics coming soon under the advanced specialization.

Módulo 2: Production ML Systems

Temas:

We’ll cover how to implement the various flavors of production ML systems—static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. We’ll delve into TensorFlow abstraction levels and the various options for doing distributed training and how to write distributed training models with custom estimators.

  • Compare static vs. dynamic training and inference
  • Manage model dependencies
  • Set up distributed training for fault tolerance, replication, and more
  • Export models for portability

Módulo 3: Image Classification Models

Temas:

We will take a look at different strategies for building an image classifier using convolutional neural networks. We’ll improve the model’s accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while avoiding overfitting our data.

  • Classify images using deep learning
  • Implement convolutional neural networks
  • Improve the model by augmentation, batch normalization, etc.
  • Leverage transfer learning

Objetivos:

Gain an overview of how ML is applied to image classification, including the evolving methods and challenges

Módulo 4: Sequence Models

Temas:

  • Predict future values of a time-series
  • Classify free form text
  • Address time-series and text problems with recurrent neural networks
  • Choose between RNNs/LSTMs and simpler models
  • Train and reuse word embeddings in text problems

Objetivos:

This module is an introduction to sequence models and their applications, including an overview of sequence model architectures and how to handle inputs of variable length.

Módulo 5: Recommendation Models

Temas:

  • Devise a content-based recommendation engine
  • Implement a collaborative filtering recommendation engine
  • Build a hybrid recommendation engine with user and content embeddings

Objetivos:

Apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.

Documentación oficial para el curso Advanced Machine Learning with TensorFlow on Google.

  • Formador certificado por Google Cloud.
  • Más de 5 años de experiencia profesional.
  • Más de 4 años de experiencia docente.
  • Profesional activo en empresas del sector IT.

Solicita información


Descarga el programa del curso
Descargar programa
Hoja de Matriculación:
Descargar matrícula

Si no has encontrado lo que buscabas, prueba buscar tu curso o certificación aquí

Compartir: