Aprendizaje automático avanzado con TensorFlow en Google Cloud Platform

Esta especialización, que incluye 5 cursos, se enfoca en temas de aprendizaje automático avanzado mediante Google Cloud Platform. Obtendrás experiencia práctica para optimizar, implementar y escalar modelos del AA de producción de varios tipos en labs prácticos. Esta especialización retoma el curso “Aprendizaje automático en GCP” y te enseña cómo crear modelos escalables, precisos y listos para la producción para datos estructurados, datos de imágenes, series temporales y texto en lenguaje natural. Culmina con un curso acerca de la creación de sistemas de recomendaciones. Los temas presentados en cursos anteriores se mencionan en cursos posteriores, por lo que te recomendamos que tomes los cursos en este orden

Nivel:

Avanzado

Disponible en:

Inglés

Objetivos de la especialización

Esta serie de cursos les enseñará a los participantes las siguientes habilidades:

  • Implementar las diversas variantes de sistemas del AA de producción: entrenamiento continuo, dinámico y estático; inferencia estática y dinámica; y procesamiento por lotes y en línea
  • Resolver un problema del AA mediante la compilación de una canalización de extremo a extremo, desde la exploración de datos, el procesamiento previo, la ingeniería de atributos, la creación de modelos, el ajuste de hiperparámetros, la implementación y la publicación
  • Desarrollar una serie de modelos de clasificación de imágenes, desde modelos lineales simples hasta redes neuronales convolucionales (CNN) de alto rendimiento con normalización de lotes, aumento y aprendizaje por transferencia
  • Prever valores de series temporales con CNN, redes neuronales recurrentes (RNN) y LSTM
  • Aplicar el AA a texto de lenguaje natural con CNN, RNN y LSTM, incorporaciones de palabras reutilizables y modelos generativos codificadores y decodificadores
  • Implementar modelos de recomendaciones neuronales, híbridos, colaborativos y basados en el contenido en TensorFlow

Modo de presentación:

Público

  • Ingenieros de datos y programadores interesados en aprender a aplicar el aprendizaje automático en la práctica
  • Cualquier persona interesada en aprender cómo crear y poner en funcionamiento los modelos de TensorFlow

Requisitos previos

Para aprovechar al máximo esta especialización, los participantes deben contar con los siguientes requisitos previos:

  • Conocimiento del aprendizaje automático y TensorFlow del mismo nivel que la especialización Aprendizaje automático en GCP
  • Experiencia en codificación de Python
  • Conocimiento de estadísticas básicas
  • Conocimiento de SQL y computación en la nube (útil)

Organización de la especialización

La especialización incluye presentaciones, demostraciones y labs prácticos.

CURSO 1

AA de extremo a extremo con TensorFlow en Google Cloud Platform

En este curso, exploraremos un problema de AA y compilaremos una canalización completa de aprendizaje automático que abarca transferencia, exploración, entrenamiento, evaluación y también implementación.

El propósito de un modelo de AA es crear predicciones. En este curso, también abarcaremos las diversas variantes para crear predicciones en producción:

  • Predicción por lotes
  • Predicción en línea
  • Agrupación de predicciones en línea
  • Manejo de la tolerancia a errores en sistemas del AA de producción

Para finalizar, nos referimos a las consideraciones de mover grandes cantidades de datos y algunas de las opciones que tienes para hacerlo cuando el tiempo o el ancho de banda son limitados.

CURSO 2

Sistemas del AA de producción

Abarcamos cómo implementar las diversas variantes de sistemas del AA de producción: entrenamiento continuo, dinámico y estático; inferencia estática y dinámica; y procesamiento por lotes y en línea. Profundizamos en los niveles de abstracción de TensorFlow y en las diversas opciones para realizar entrenamiento distribuido y cómo escribir modelos de entrenamiento distribuido con estimadores personalizados.

  • Comparación del entrenamiento y la inferencia estáticos y dinámicos
  • Administración de dependencias de modelo
  • Organización de un entrenamiento distribuido para tolerancia a errores, replicación y más
  • Exportación de modelos para la portabilidad

CURSO 3

Comprensión de imágenes con TensorFlow en Google Cloud Platform

Obtén una visión general de la forma en que se aplica el AA a la clasificación de imágenes, incluidos los métodos y desafíos en evolución.

Analizaremos diversas estrategias para compilar un clasificador de imágenes con redes neuronales convolucionales. Mejoraremos la precisión del modelo con el aumento, la extracción de funciones y el ajuste de hiperparámetros a la vez que evitaremos el sobreajuste de nuestros datos.

  • Clasificación de imágenes con un aprendizaje profundo
  • Implementación de redes neuronales convolucionales
  • Mejoramiento del modelo mediante el aumento, la normalización de lotes, etcétera
  • Aprovechamiento del aprendizaje por transferencia

CURSO 4

Modelos de secuencia para series temporales y procesamiento de lenguaje natural

Este módulo es una introducción a los modelos de secuencia y sus aplicaciones, que incluye una descripción general de las arquitecturas de modelos de secuencia y cómo manejar las entradas de longitud variable.

  • Predicción de valores futuros de una serie temporal
  • Clasificación de texto de formato libre
  • Cómo abordar series temporales y problemas de texto con redes neuronales recurrentes
  • Selección entre RNN y LSTM, y modelos más simples
  • Entrenamiento y reutilización de incorporaciones de palabras en problemas de texto

CURSO 5

Sistemas de recomendaciones con TensorFlow en Google Cloud Platform

En este módulo, aplicas tu conocimiento sobre los modelos de clasificación y las incorporaciones para crear una canalización del AA que funcione como un motor de recomendaciones.

  • Diseño de un motor de recomendaciones basado en el contenido
  • Implementación de un motor de recomendaciones de filtrado colaborativo
  • Compilación de un motor de recomendaciones híbrido con incorporaciones de contenido y usuarios