Conceptos básicos del aprendizaje automático con TensorFlow
Este plan de estudios es para personas que son:
- Nuevos en ML, pero con experiencia en programación intermedia.
Este contenido está destinado a guiar a los desarrolladores nuevos en ML a través de las etapas iniciales de su viaje a ML. Verá que muchos de los recursos utilizan TensorFlow; sin embargo, el conocimiento es transferible a otros marcos de aprendizaje automático.
Paso 1: comprender de qué se trata el aprendizaje automático
TensorFlow 2.0 está diseñado para facilitar la creación de redes neuronales para el aprendizaje automático, razón por la cual TensorFlow 2.0 utiliza una API llamada Keras. El libro Deep Learning with Python de Francois Chollet, creador de Keras, es un excelente lugar para comenzar. Lea los capítulos 1 a 4 para comprender los fundamentos del aprendizaje automático desde la perspectiva de un programador. La segunda mitad del libro profundiza en áreas como la visión por computadora, el procesamiento del lenguaje natural, el aprendizaje profundo generativo y más. No se preocupe si estos temas están demasiado avanzados en este momento, ya que tendrán más sentido a su debido tiempo.
Este libro introductorio proporciona un enfoque centrado en el código para aprender a implementar los escenarios de aprendizaje automático más comunes, como la visión por computadora, el procesamiento del lenguaje natural (NLP) y el modelado de secuencias para tiempos de ejecución web, móviles, en la nube y integrados.
Este libro es una introducción práctica al aprendizaje profundo con Keras.
⬆ O ⬇
Realice un curso en línea como Introducción a TensorFlow de Coursera o Introducción a TensorFlow para aprendizaje profundo de Udacity, los cuales cubren los mismos fundamentos que el libro de Francois. También puede que le resulten útiles estos vídeos de 3blue1brown, que le brindan explicaciones rápidas sobre cómo funcionan las redes neuronales a nivel matemático.
Completar este paso le brindará las bases de cómo funciona el aprendizaje automático y lo preparará para profundizar más.
Aprendizaje profundo.AI
Introducción a TensorFlow para IA, ML y aprendizaje profundoDesarrollado en colaboración con el equipo de TensorFlow, este curso es parte de la especialización para desarrolladores de TensorFlow y le enseñará las mejores prácticas para usar TensorFlow.
En este curso en línea desarrollado por el equipo de TensorFlow y Udacity, aprenderá cómo crear aplicaciones de aprendizaje profundo con TensorFlow.
Paso 2: más allá de lo básico
Realice la especialización para desarrolladores de TensorFlow , que lo lleva más allá de los conceptos básicos e incluye una introducción a la visión por computadora, la PNL y el modelado de secuencias.
Completar este paso continúa su introducción y le enseña cómo usar TensorFlow para crear modelos básicos para una variedad de escenarios, incluida la clasificación de imágenes, la comprensión de sentimientos en texto, algoritmos generativos y más.
Aprendizaje profundo.AI
Especialización en desarrolladores de TensorFlowEn esta especialización de cuatro cursos impartida por un desarrollador de TensorFlow, explorará las herramientas y los desarrolladores de software que utilizan para crear algoritmos escalables impulsados por IA en TensorFlow.
Paso 3: practica
Pruebe algunos de nuestros tutoriales de TensorFlow Core , que le permitirán practicar los conceptos que aprendió en los pasos 1 y 2. Cuando haya terminado, pruebe algunos de los ejercicios más avanzados.
Completar este paso mejorará su comprensión de los principales conceptos y escenarios que encontrará al crear modelos de ML.
Paso 4: profundice con TensorFlow
Ahora es el momento de volver al aprendizaje profundo con Python de Francois y terminar los capítulos 5-9. También deberías leer el libro Hands-on Machine Learning with Scikit-Learn, Keras y TensorFlow , de Aurelien Geron. Este libro presenta el aprendizaje automático y el aprendizaje profundo utilizando TensorFlow 2.0.
Completar este paso completará su conocimiento introductorio de ML, incluida la ampliación de la plataforma para satisfacer sus necesidades.
Utilizando ejemplos concretos, teoría mínima y dos marcos Python listos para producción (Scikit-Learn y TensorFlow), este libro le ayudará a obtener una comprensión intuitiva de los conceptos y herramientas para construir sistemas inteligentes.