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.
Curso Advanced Machine Learning with TensorFlow on Google
- Avanzado
Estamos preparando nuevas convocatorias, déjanos tus datos a través del formulario y te avisaremos en cuanto estén disponibles.
Estamos preparando nuevas convocatorias, déjanos tus datos a través del formulario y te avisaremos en cuanto estén disponibles.
- 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.
- 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.
- 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.
Antiguos alumnos
Si has asistido a alguno de nuestros cursos, tienes un 10% de descuento en la matrícula de tus próximos cursos o certificaciones oficiales.
Carné Joven Comunidad de Madrid
Si tienes el Carné Joven de la Comunidad de Madrid, dispones de un 15% de descuento en todos nuestros cursos y certificaciones. Únicamente deberás presentar tu carné.
Desempleados
Bonificamos un 10% la matrícula de tu curso o certificación oficial. Únicamente deberás acreditarlo con cualquiera de los documentos oficiales disponibles.
Discapacitados
Si tienes algún tipo de discapacidad, cuentas con un 10% de descuento en la matrícula de tu curso. Únicamente deberás acreditarlo.
Familia numerosa
¡Te ayudamos! Sabemos que es importante cuidar de la economía familiar, por eso, y en cumplimiento de nuestra política de Responsabilidad Social Corporativa, si eres miembro de una familia numerosa, puedes beneficiarte de un 10% de descuento en la matrícula de cualquier curso. Únicamente deberás acreditarlo.
Amigos o compañeros profesionales
Si te inscribes a nuestros cursos con uno o más amigos o compañeros técnicos, cada uno de vosotros obtendréis un descuento del 10% en vuestra formación.
Si trabajáis en la misma empresa, consulta los descuentos para departamentos profesionales.
Empresas
Mantener, actualizar y perfeccionar las habilidades y conocimientos del equipo de trabajo es esencial para la adaptación y el éxito de la estrategia empresarial en el entorno dinámico y desafiante en el que competimos.
Si deseas planificar la formación (técnica, metodológica o de habilidades) de tu equipo, consulta nuestros planes de formación continua o los descuentos en cursos y certificaciones técnicas.
Fundae (Formación bonificable)
Prácticamente la totalidad de nuestra formación puede ser bonificada aplicando el crédito de formación que las empresas y autónomos tienen anualmente en Fundae.
Consúltanos y no te preocupes, lo gestionamos por ti.
Sodexo (Pluxee)
Ahorra con tu cheque virtual.
Formación Pass de Pluxee (Sodexo) es un servicio que facilita el acceso y pago de formación y certificación oficial. Al estar exento del IRPF, ahorras al menos un 25% del importe total.
Úsalo con nosotros.
Descuentos no aplicables a Red Hat ni Oracle. La formación de Red Hat no es bonificable en Fundae. Los exámenes de certificación no se pueden bonificar. Podrán bonificarse únicamente si son indivisibles del curso que los prepara.
Objetivos
- 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.
Audiencia
- 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.
Requisitos
- 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.
Certificación
Contenidos
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.
Material del curso
Documentación oficial para el curso Advanced Machine Learning with TensorFlow on Google.
Perfil del docente
- 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.
Promociones
Antiguos alumnos
Si has asistido a alguno de nuestros cursos, tienes un 10% de descuento en la matrícula de tus próximos cursos o certificaciones oficiales.
Carné Joven Comunidad de Madrid
Si tienes el Carné Joven de la Comunidad de Madrid, dispones de un 15% de descuento en todos nuestros cursos y certificaciones. Únicamente deberás presentar tu carné.
Desempleados
Bonificamos un 10% la matrícula de tu curso o certificación oficial. Únicamente deberás acreditarlo con cualquiera de los documentos oficiales disponibles.
Discapacitados
Si tienes algún tipo de discapacidad, cuentas con un 10% de descuento en la matrícula de tu curso. Únicamente deberás acreditarlo.
Familia numerosa
¡Te ayudamos! Sabemos que es importante cuidar de la economía familiar, por eso, y en cumplimiento de nuestra política de Responsabilidad Social Corporativa, si eres miembro de una familia numerosa, puedes beneficiarte de un 10% de descuento en la matrícula de cualquier curso. Únicamente deberás acreditarlo.
Amigos o compañeros profesionales
Si te inscribes a nuestros cursos con uno o más amigos o compañeros técnicos, cada uno de vosotros obtendréis un descuento del 10% en vuestra formación.
Si trabajáis en la misma empresa, consulta los descuentos para departamentos profesionales.
Empresas
Mantener, actualizar y perfeccionar las habilidades y conocimientos del equipo de trabajo es esencial para la adaptación y el éxito de la estrategia empresarial en el entorno dinámico y desafiante en el que competimos.
Si deseas planificar la formación (técnica, metodológica o de habilidades) de tu equipo, consulta nuestros planes de formación continua o los descuentos en cursos y certificaciones técnicas.
Medios de pago
Fundae (Formación bonificable)
Prácticamente la totalidad de nuestra formación puede ser bonificada aplicando el crédito de formación que las empresas y autónomos tienen anualmente en Fundae.
Consúltanos y no te preocupes, lo gestionamos por ti.
Sodexo (Pluxee)
Ahorra con tu cheque virtual.
Formación Pass de Pluxee (Sodexo) es un servicio que facilita el acceso y pago de formación y certificación oficial. Al estar exento del IRPF, ahorras al menos un 25% del importe total.
Úsalo con nosotros.
Descuentos no aplicables a Red Hat ni Oracle. La formación de Red Hat no es bonificable en Fundae. Los exámenes de certificación no se pueden bonificar. Podrán bonificarse únicamente si son indivisibles del curso que los prepara.
Solicita información
Partner oficial de los principales fabricantes tecnológicos
Previous
Next
ITIL® y PRINCE2® son marcas comerciales registradas de AXELOS Limited, utilizadas bajo permiso de AXELOS Limited. The Swirl logo™ es una marca comercial de AXELOS Limited, utilizada bajo permiso de AXELOS Limited. Todos los derechos reservados.