Creación de modelos de aprendizaje profundo con TensorFlow

Descripción

La mayoría de los datos en el mundo no están etiquetados ni estructurados. Las redes neuronales poco profundas no pueden capturar fácilmente la estructura relevante en, por ejemplo, imágenes, sonido y datos textuales. Las redes profundas son capaces de descubrir estructuras ocultas dentro de este tipo de datos. En este curso utilizará la biblioteca TensorFlow para aplicar el aprendizaje profundo a diferentes tipos de datos con el fin de resolver problemas del mundo real.
Los resultados del aprendizaje:
Después de completar este curso, los alumnos podrán:
• Explicar conceptos fundamentales de TensorFlow, como las funciones principales, las operaciones y las canalizaciones de ejecución.
• Describir cómo se puede utilizar TensorFlow en el ajuste de curvas, la regresión, la clasificación y la minimización de las funciones de error.
• comprender diferentes tipos de arquitecturas profundas, como redes convolucionales, redes recurrentes y codificadores automáticos.
• aplique TensorFlow para la propagación hacia atrás para ajustar los pesos y los sesgos mientras se entrenan las redes neuronales.