Esta especialización de 5 cursos se enfoca en temas avanzados de aprendizaje automático con Google Cloud Platform, donde obtendrá experiencia práctica en la optimización, implementación y escalado de modelos de ML de producción de varios tipos en laboratorios prácticos.
Esta especialización continúa donde lo dejó “Aprendizaje automático en GCP” y le enseña cómo crear modelos escalables, precisos y listos para producción para datos estructurados, datos de imágenes, series temporales y texto en lenguaje natural.
Termina con un curso sobre la construcción de sistemas de recomendación. Los temas presentados en cursos anteriores se mencionan en cursos posteriores, por lo que se recomienda que tome los cursos exactamente en este orden.
? ÚNETE AL CURSO DE APRENDIZAJE AUTOMÁTICO AVANZADO DE GOOGLE CLOUD
Estos componentes prácticos le permitirán aplicar las habilidades que aprende en las conferencias en video. Los proyectos incorporarán temas como los productos de Google Cloud Platform, que se utilizan y configuran dentro de Qwiklabs.
Puedes esperar obtener experiencia práctica con los conceptos explicados a lo largo de los módulos.
? ÚNETE AL CURSO DE APRENDIZAJE AUTOMÁTICO AVANZADO DE GOOGLE CLOUD
Aprendizaje automático integral con TensorFlow en GCP
En el primer curso de esta especialización, recapitularemos lo que se cubrió en la especialización de aprendizaje automático con TensorFlow en Google Cloud Platform.
Una de las mejores formas de repasar algo es trabajar con los conceptos y tecnologías que ha aprendido. Por lo tanto, este curso está configurado como un taller y en este taller realizará Aprendizaje automático de extremo a extremo con TensorFlow en Google Cloud Platform.
Requisitos previos: SQL básico, familiaridad con Python y TensorFlow.
Sistemas de aprendizaje automático de producción
Este curso cubre cómo 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.
Profundiza en los niveles de abstracción de TensorFlow, las diversas opciones para realizar el entrenamiento distribuido y cómo escribir modelos de entrenamiento distribuidos con estimadores personalizados.
Comprensión de imágenes con TensorFlow en GCP
Este es el tercer curso de la especialización Advanced Machine Learning on GCP.
Echaremos un vistazo a diferentes estrategias para construir un clasificador de imágenes utilizando redes neuronales convolucionales. Mejoraremos la precisión del modelo con el aumento, la extracción de características y el ajuste fino de los hiperparámetros mientras tratamos de evitar el sobreajuste de nuestros datos.
También veremos los problemas prácticos que surgen, por ejemplo, cuando no tiene suficientes datos y cómo incorporar los últimos hallazgos de investigación en nuestros modelos.
Obtendrás práctica práctica en la creación y optimización de sus propios modelos de clasificación de imágenes en una variedad de conjuntos de datos públicos en los laboratorios en los que trabajaremos juntos. Requisitos previos: SQL básico, familiaridad con Python y TensorFlow.
Modelos de secuencias para procesamiento de series temporales y lenguaje natural
Este curso es una introducción a los modelos de secuencias y sus aplicaciones, incluida una descripción general de las arquitecturas de modelos de secuencias y cómo manejar entradas de longitud variable.
Vas a aprender a:
- Predecir valores futuros de una serie temporal. Clasificar texto de forma libre.
- Abordar series temporales y problemas de texto con redes neuronales recurrentes.
- Elegir entre RNN/LSTM y modelos más simples.
- Entrenar y reutilizar incrustaciones de palabras en problemas de texto.
Será práctico practique la creación y optimización de su propia clasificación de texto y modelos de secuencia en una variedad de conjuntos de datos públicos en los laboratorios en los que trabajaremos juntos. Requisitos previos: SQL básico, familiaridad con Python y TensorFlow.
Sistemas de recomendación con TensorFlow en GCP
En este curso, aplicarás tu conocimiento de modelos de clasificación e incrustaciones para crear una canalización de ML que funcione como un motor de recomendación.
- Diseña un motor de recomendaciones basado en contenido.
- Implementa un motor de recomendaciones de filtrado colaborativo.
- Crea un motor de recomendaciones híbrido con incrustaciones de usuarios y contenido.
? ÚNETE AL CURSO DE APRENDIZAJE AUTOMÁTICO AVANZADO DE GOOGLE CLOUD