Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ Microsoft AZ-900
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Personal Development Personal Transformation Mindfulness Life Purpose Meditation CBT Emotional Intelligence
Web Development JavaScript React CSS Angular PHP Node.Js WordPress Vue JS
Google Flutter Android Development iOS Development React Native Swift Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
Microsoft Power BI SQL Tableau Business Analysis Data Modeling Business Intelligence MySQL Data Analysis Blockchain
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Business Plan Startup Freelancing Online Business Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
Development Data Science TensorFlow

Deep Learning con Tensorflow para Machine Learning e IA

Combina TensorFlow en Python para programar tus algoritmos de ML e IA con ejemplos prácticos del mundo en varios campos
Rating: 4.5 out of 54.5 (281 ratings)
3,607 students
Created by Juan Gabriel Gomila Salas
Last updated 5/2020
Spanish
Spanish [Auto]
30-Day Money-Back Guarantee

What you'll learn

  • Utilizar y saber programar con la librería TensorFlow 1.14
  • Conocer la estructura y funcionamiento de la librería TensorFlow de Google en Python
  • Saber implementar diversos algoritmos del mundo del Machine Learning y la Inteligencia Artificial con TensorFlow
  • Elaborar gráficos de computación para entender las fases de los algoritmos en TensorFlow
  • Desarrollar algoritmos de procesamiento natural del lenguaje como por ejemplo predicción de SPAM o redacción de textos con estilo literario
  • Trabajar con imágenes y a procesarlas con redes neuronales de convolución, elaborando como práctica un algoritmo que pintará una imagen como Van Gogh
Curated for the Udemy for Business collection

Course content

15 sections • 150 lectures • 40h 10m total length

  • Preview03:09
  • Conoce a Juan Gabriel Gomila, tu instructor
    02:25
  • Requisitos previos para seguir el curso
    01:37
  • Conoce la comunidad de Discord para aprender todos juntos
    03:37
  • Cómo usar todo el potencial de Udemy y redactar preguntas en el foro
    09:59
  • Accede a todo el código fuente en el Github del curso
    00:06
  • No valores el curso de forma prematura
    02:41
  • Cuidado con la versión de TensorFlow
    00:29

  • Preview04:55
  • Preview26:52
  • Formas de definir tensores
    23:51
  • Placeholders y variables en TensorFlow
    13:58
  • El grafo de computación en TensorFlow
    09:29
  • Matrices en TensorFlow
    19:51
  • Operaciones aritméticas en Tensorflow
    07:43
  • Otras operaciones matemáticas
    14:02
  • Funciones de activación en TensorFlow
    22:31
  • Recursos adicionales de TensorFlow
    03:30

  • Posibles fuentes de datos
    01:00
  • El dataset de las flores Iris
    06:08
  • Los nacimientos y relación humana
    09:25
  • Keras y las casas de Boston
    14:51
  • Los datos manuscritos del MNIST
    11:38
  • Spam o no Spam
    11:22
  • Valoraciones de películas
    12:22
  • Catalogar objetos a través de imágenes
    08:52
  • Las palabras de Shakespeare
    08:13
  • Traducción de frases entre múltiples idiomas
    10:18
  • BUG: Si no te funciona el ZipFile de la clase anterior...
    00:36

  • Piensa en matemáticas, traduce a TensorFlow
    01:13
  • El grafo básico de operaciones en Tensorflow
    09:02
  • Divide la ejecución en capas
    19:03
  • Múltiples capas de trabajo
    18:46
  • Gráficos de computación con tensorboard
    07:27
  • Funciones de pérdida para problemas de regresión
    20:11
  • Funciones de pérdida para problemas de clasificación
    28:13
  • Métricas para evaluar la calidad del modelo
    18:29
  • La propagación hacia atrás en regresión
    21:48
  • La propagación hacia atrás en clasificación
    19:48
  • Acerca de las variantes del Gradiente Descendente
    07:46
  • Entrenamiento en por bloques vs estocástico
    24:23
  • Clasificar las flores de Iris
    31:01
  • Evaluar los modelos de regresión
    19:35
  • Evaluar los modelos de clasificación
    21:12

  • La regresión lineal
    03:42
  • El método de la matriz inversa
    17:16
  • El método de la descomposición LU
    15:05
  • Regresión lineal a lo TensorFlow
    21:20
  • La función de pérdidas en la regresión lineal
    19:28
  • Regresión lineal deming
    26:02
  • Métodos de regularización (lasso y ridge)
    22:57
  • Regresión elastic net
    22:13
  • Crear y leer CSV desde tus propios datos
    11:34
  • Normalización de los datos en entrenamiento y test
    12:46
  • Regresión logística
    22:39

  • Support Vector Machine
    04:51
  • ¿Qué es una SVM?
    10:21
  • Trabajar con un SVM lineal
    38:29
  • SVM para estimar una regresión lineal
    22:48
  • Cambiar el Kernel con TensorFlow
    11:10
  • Cómo generar distribuciones en forma de anillo
    07:12
  • Un kernel gaussiano con TensorFlow
    21:19
  • Ejercicio: entrena tu kernel gaussiano
    19:06
  • Diferentes núcleos de convolución
    07:45
  • Los efectos del parámetro gamma
    24:31
  • Un clasificador multi clase
    13:25
  • Clasificar las tres especies de flores con SVM
    28:46

  • El concepto detrás de los vecinos más cercanos
    01:51
  • Formalización matemática de los KNN
    17:27
  • Descargar y procesar el dataset con requests
    15:59
  • Implementar KNN con variables numéricas con TensorFlow
    20:37
  • Medir la eficacia de la clasificación
    09:10
  • La distancia de Levenshtein
    35:05
  • Distancias basadas en texto
    06:51
  • Cómo utilizar distancias ponderadas para cada variable
    20:16
  • Preview19:13
  • Comparar número y texto para clasificar
    32:32
  • El ejemplo de los vecinos de una imagen
    32:07

  • Los algoritmos no supervisados y su potencial
    09:18
  • Puertas lógicas y redes neuronales
    07:01
  • Puertas lógicas y operaciones en TensorFlow
    11:26
  • Ejercicio: más operaciones lineales con TensorFlow
    10:27
  • Funciones de activación
    27:46
  • Una red neuronal con una capa oculta
    35:19
  • Redes neuronales multicapas en el caso 1D
    29:58
  • Redes neuronales multicapas en el caso 2D
    18:05
  • El ejemplo de recién nacidos con bajo peso
    37:54
  • Mejoras con la entropía cruzada
    23:17
  • El juego del tres en raya
    32:47
  • Entrenando nuestra red neuronal
    17:54
  • La red neuronal que aprende a jugar
    16:50

  • El rol del NLP en el siglo XXI
    06:22
  • La idea detrás del concepto de procesamiento natural del lenguaje
    06:03
  • Limpieza de datos para el Bag of Words
    28:38
  • Entrenando con el Bag of Words
    34:23
  • Text Frequency - Inverse Document Frequency
    19:53
  • Preview27:26
  • Los algoritmos de Word2Vec
    11:17
  • Descargar y clasificar las valoraciones de películas
    17:33
  • La limpieza de datos
    28:40
  • Entrenando con los Skip Gramas
    23:20
  • El detalle de cómo funciona la embedding matrix
    08:37
  • Continuous Bag of Words
    21:22
  • Entrenando con Continuous Bag of Words
    20:30
  • Crear una librería con todo lo aprendido
    12:45
  • Cómo cargar modelos ya entrenados con pickle
    14:31
  • Clasificando las valoraciones de películas con Word2Vec
    24:34
  • Cómo funciona la técnica de doc2vec
    06:56
  • Inicializando nuestros embeddings con doc2vec
    20:08
  • Entrenando con doc2vec
    20:36
  • Análisis de Sentimiento
    27:31

  • CNN para el tratamiento de imágenes
    02:27
  • La convolución matemática
    09:43
  • Otras operaciones matriciales
    07:59
  • Una red neuronal de convolución simple
    29:01
  • Entrenando nuestra red neuronal convolucional
    16:22
  • Evaluar los resultados de nuestra red neuronal convolucional
    15:31
  • Redes neuronales más completas
    11:59
  • Procesar los datos binarios de imágenes de CIFAR-10
    17:41
  • El modelo de CNN para las imágenes de CIFAR
    20:18
  • Entrenando con la CNN completa
    16:29
  • Los resultados del entrenamiento de la CNN
    13:08
  • Descomprimir imágenes binarias y guardarlas en diferentes carpetas
    26:57
  • Cómo cargar una red neuronal entrenada con Matlab
    26:07
  • Aplicar un estilo a otra imágen
    21:53
  • Preview23:10
  • Deep Dream
    08:24
  • Entrenando con Deep Dream
    21:18
  • Qué entiende cada neurona de cada capa de Deep Dream
    25:41

Requirements

  • Se recomienda tener una fuerte base de programación en Python
  • Es recomendable tener unas fuertes bases de estadística y álgebra lineal (o haber tomado los cursos previos de Juan Gabriel)
  • Es muy recomendable haber cursado los cursos de Machine Learning y de Inteligencia Artificial de Juan Gabriel

Description

Bienvenido al Curso completo de Tensorflow para Machine Learning, Deep Learning y IA utilizando Python!

En este curso veremos todos los trucos de cómo iniciarse y llegar a utilizar la librería de Google TensorFlow para crear redes neuronales aritificiales para resolver problemas de Machine Learning, Deep Learning y Inteligencia Artificial! El objetivo del curso es llegar a entender las complejidades de TensorFlow empezando por las bases e ir construyendo algoritmos y ejemplos basados en casos reales para luego poder utilizarlo en tu día a día de trabajo. Al final del mismo tendrás tanto control sobre TensorFlow que tú único problema será que tendrás muchos algoritmos implementados para resolver las tareas de forma muy pero que muy eficiente!! El curso te servirá como guía completa para interiorizar y saber usar TensorFlow para tus propios análisis de datos, casos de estudio y conociendo las últimas técnicas que existen en el mundo del Machine Learning y el Deep Learning!

En el curso explicaremos la teoría necesaria para ir directos a implementaciones prácticas que puedas usar, todas ellas en Notebooks de Jupyter en Python que podrás descargar desde el primer día desde el repositorio de Github junto con el resto de notas, transparencias y materiales extras del curso. Así mismo tendrás retos y ejercicios para ir expandiendo tus conocimientos de todo lo que vayamos viendo durante el curso para que puedas practicar más allá de lo visto en clase.

En el curso cubriremos todo tipo de temas desde cero hasta ser un profesional

  • Fundamentos de TensorFlow y su sintaxis

  • Regresión Lineal y Logística

  • Support Vector Machines

  • Técnicas de Nearest-Neighbors para clasificación y regresión

  • Redes Neuronales para catalogar imágenes o predecir valores de series temporales

  • Procesamiento Natural del Lenguaje con Bag of Words, TF-IDF, Skip gramas, Word2Vec...

  • Redes Neuronales Convolucionales

  • Redes Neuronales Recurrentes

  • TensorFlow en producción

  • y mucho más!!

Una pregunta que te harás va a ser: si ya he hecho los cursos de R y Python de Juan Gabriel Gomila, ¿por qué debo tomar este curso de TensorFlow?

TensorFlow es una librería open source útil para cálculos numéricos utilizando grafos con flujo de datos entre sus nodos. Los nodos representan operaciones matemáticas, mientras que las aristas representan los arrays de datos multidimensionales (llamados tensores) que se conectan entre las operaciones. La arquitectura es tan flexible que nos ayuda a implementar miles de algoritmos en una o varias CPUs, GPUs, en servidores, en PCs de sobre mesa, portátiles, dispositivos móviles... y todo con una sola API. ¿Increíble verdad? Originalmente, TensorFlow fue un proyecto desarrollado por investigadores e ingenieros del equipo de Machine Learning de Google, el llamado Google Brain Team para sus propios algoritmos de machine learning, inteligencia artificial y redes neuronales profundas, pero hicieron tan gran trabajo, que se convirtió en la herramienta genérica que puede ser usada en una gran cantidad de dominios adicionales como los comentados anteriormente que forman parte del curso también!

Además, miles de compañías de todo el mundo lo utilizan como parte de su sistema de recomendación, predicción y clasificación como por ejemplo Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, Udemy SAP, Qualcomm, IBM, Intel, y por supuesto, Google!

Con este curso te podrás convertir en todo un gurú del  machine learning y complementar todo lo aprendido en el resto de cursos con Juan Gabriel, así que espero que te apuntes y nos vemos en las clases online!

Who this course is for:

  • Iniciados en la librería TensorFlow que quieran saber como funcionan los tensores en Python
  • Estudiantes de los cursos de Estadística, Machine Learning y Inteligencia Artificial que quieran llevar las habilidades al máximo exponente usando TensorFlow
  • Estudiantes de ingeniería, master o doctorado que necesiten usar TensorFlow en sus proyectos de la universidad
  • Empresas de todo tipo de sector que utilicen herramientas de Machine Learning que quieran implementar TensorFlow en producción
  • Desarrolladores de Python que quieran expandir sus habilidades en el mundo del Machine Learning

Instructor

Juan Gabriel Gomila Salas
CEO de Frogames, Matemático +330.000 estudiantes online
Juan Gabriel Gomila Salas
  • 4.5 Instructor Rating
  • 45,110 Reviews
  • 370,098 Students
  • 98 Courses

Soy licenciado en matemáticas, especializado en el análisis de datos para empresas de videojuegos con R y Python, en Game Design para videojuegos de social casino, en el desarrollo de aplicaciones móviles para iOS y para Android y desarrollador de videojuegos utilizando los motores Unreal Engine y Unity tanto para PC como para móvil desde el año 2011.

Me encanta programar, crear apps y videojuegos que la gente utilice y sobretodo enseñar tanto en el mundo online, como en la Universidad presenciamente.

Aquí en Udemy, llevo como profesor online desde verano de 2015 he lanzado ya más de 90 cursos online con más de 330.000 estudiantes en más de 160 países de todo el mundo que han aprendido en castellano  temáticas de desarrollo tan diversas como el mundo de las apps para iOS en Objective-C, Swift y SpriteKit,  en Android con Java, desarrollo de videojuegos con Unity y Unreal Engine cubriendo desde lo más básico hasta aspectos avanzados para crear juegos profesionales o incluso análisis de datos masivos, big data, machine learning y data science con R, Tidyverse y Python. 

Soy también Instructor Certificado de Unity (UCI), lo cual me permite viajar por todo el mundo asesorando y dando formación en desarrollo de videojuegos para empresas de CAD, o estudios de renombre como por ejemplo Team 17 (Worms, The Escapists), Genera Games (Disney's Frozen, Star Wars) o Ubisoft (Assassin's Creed, CSI Hidden Crimes)

Además, los propios estudiantes online de varias partes del mundo me han contactado para ir a dar conferencias y compartir mis experiencias en lugares tan bonitos como Colombia, Dinamarca, USA, México, Suecia, Holanda, Londres o Bolivia entre otros. Si no conoces aún ninguno de los cursos que imparto aquí en Udemy, tómate un tiempo para visitar los diversos cursos gratuitos que tengo publicados aquí mismo.

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Impressum Kontakt
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.