Tensorflow: técnicas avanzadas
Tensorflow: técnicas avanzadas

4 CURSOS - PROGRAMA ESPECIALIZADO
Horario: Sábados de 14 a 18
Comienza: Sábado 3 de julio
Es un curso de 4 meses

SE ENTREGA CERTIFICADO OFICIAL DE COURSERA

ARANCEL: matrícula AR $2.000 y 4 cuotas de AR $2.000
Para comenzar el curso deben estar pagas la matrícula y las cuotas 1 y 2
En agosto se abona la cuota 3

4 CURSOS - PROGRAMA ESPECIALIZADO
TensorFlow: Advanced Techniques
Ofrecido por: DeepLearning.ai

Sobre TensorFlow

TensorFlow es una plataforma de código end to end para machine learning. Tiene un ecosistema integral y flexible de herramientas, bibliotecas y recursos comunitarios que permiten a los investigadores
impulsar el estado del arte en ML y a los desarrolladores crear e implementar fácilmente aplicaciones de ML.
TensorFlow comúnmente se utiliza para aplicaciones de aprendizaje automático como reconocimiento y detección de voz, Google Translate, reconocimiento de imágenes y procesamiento de lenguaje natural.

Acerca de este Programa Especializado

Ampliá tu conocimiento de la API funcional y creá tipos de modelos exóticos no secuenciales.
Aprendé a optimizar el entrenamiento en diferentes entornos con múltiples procesadores y tipos de chips y familiarizate con escenarios avanzados de
visión por computadora, como detección de objetos, segmentación de imágenes e interpretación de convoluciones.
Explorá el aprendizaje profundo generativo, incluidas las formas en que la IA puede crear contenido nuevo desde Style Transfer hasta Auto Encoding, VAE y GAN.

A quiénes van dirigidos estos cursos

Esta especialización es para ingenieros de software y aprendizaje automático con un conocimiento de los fundamentos de TensorFlow que buscan expandir su conjunto de conocimientos y habilidades mediante el aprendizaje de funciones avanzadas de TensorFlow para crear modelos potentes.

¿Buscando un lugar para comenzar? Dominá los conceptos básicos con el certificado profesional DeepLearning.AI TensorFlow Developer.

¿Estás listo para implementar tus modelos en el mundo? Aprendé sobre cómo comenzar a funcionar con TensorFlow: Data and Deployment Specialization.

DeepLearning.AI TensorFlow: Advanced Techniques Specialization presenta las funciones de TensorFlow que
brindan a los alumnos más control sobre la arquitectura de su modelo y las herramientas que les ayudan a crear y entrenar modelos avanzados de ML. Esta especialización es para ingenieros de aprendizaje automático y software que estén iniciando o promediando su carrera con una comprensión de los fundamentos de TensorFlow que buscan expandir sus conocimientos y conjuntos de habilidades mediante el aprendizaje de funciones avanzadas de TensorFlow para crear modelos potentes.

Cursos en este Programa Especializado

CURSO 1 - Modelos personalizados, capas y funciones de pérdida con TensorFlow

En este curso:

• Compararás las APIs funcionales y secuenciales, descubrirás los nuevos modelos que podés crear con la API
funcional y crearás un modelo que produzca múltiples salidas, incluida una red siamesa.

• Crearás funciones de pérdida personalizadas (incluida la función de pérdida de contraste utilizada en una red
siamesa) para medir el rendimiento de un modelo y ayudar a tu red neuronal a aprender de los datos de
entrenamiento.

• Construirás a partir de capas estándar existentes para crear capas personalizadas para tus modelos,
personalizarás una capa de red con una capa lambda, comprenderás las diferencias entre ellas, aprenderás qué
constituye una capa y explorarás las funciones de activación.

• Construirás a partir de modelos existentes para agregar funcionalidad personalizada, aprenderás a definir tu
propia clase personalizada en lugar de usar las APIs funcionales o secuenciales, crearás modelos que se
pueden heredar de la clase TensorFlow Model y crearás una red residual (ResNet) mediante la definición de
una clase de modelo personalizada.


CURSO 2 - Entrenamiento personalizado y distribuido con TensorFlow

En este curso:

• Aprenderás sobre los objetos Tensor, los bloques de construcción fundamentales de TensorFlow,
comprenderás la diferencia de los modos eager y grafo en TensorFlow y aprenderás a usar una herramienta de
TensorFlow para calcular gradientes.

• Crearás tus propios bucles de entrenamiento personalizados con GradientTape y Datasets de TensorFlow para
obtener más flexibilidad y visibilidad con el entrenamiento de tu modelo.

• Conocerás los beneficios de generar código que se ejecuta en modo gráfico, echarás un vistazo a cómo se ve
el código del grafo y practicarás cómo generar este código más eficiente automáticamente con las
herramientas de TensorFlow.

• Aprovecharás el poder de entrenamiento distribuido para procesar más datos y entrenar modelos más grandes,
más rápido, obtener una descripción general de varias estrategias de entrenamiento distribuido y practicar
trabajando con una estrategia que entrena en múltiples núcleos de GPU y otra que entrena en múltiples núcleos
de TPU.

CURSO 3 - Visión por computadora avanzada con TensorFlow

En este curso:

a) Explorarás la clasificación de imágenes, la segmentación de imágenes, la localización de objetos y la
detección de objetos. Aplicarás el transfer learning a localización y detección de objetos.


b) Aplicarás modelos de detección de objetos como regional-CNN y ResNet-50, personalizarás los modelos
existentes y crearás los tuyos propio para detectar, localizar y etiquetar tus propias imágenes de patitos de
goma.

c) Implementarás la segmentación de imágenes utilizando variaciones de la red totalmente convolucional
(FCN) que incluye U-Net y Mask-RCNN para identificar y detectar números, mascotas, zombis y más.

d) Identificarás qué partes de una imagen están siendo utilizadas por tu modelo para hacer tus predicciones
utilizando mapas de activación de clases y mapas de prominencia y aplicarás estos métodos de
interpretación ML para inspeccionar y mejorar el diseño de una famosa red, AlexNet.

CURSO 4 - Aprendizaje profundo generativo con TensorFlow

En este curso:

a) Aprenderás neural style transfer usando style transfer: extraerás el contenido de una imagen (por ejemplo,
un cisne) y el estilo de una pintura (por ejemplo, cubista o impresionista) y combinarás el contenido y el estilo
en una nueva imagen.

b) Construirás AutoEncoders simples en el conocido conjunto de datos MNIST y arquitecturas más complejas,
profundas y convolucionales en el conjunto de datos Fashion MNIST, comprenderás la diferencia en los
resultados de los modelos DNN y CNN AutoEncoder, identificarás formas de eliminar el ruido de imágenes
ruidosas y crearás un codificador automático de CNN con TensorFlow para generar una imagen limpia a
partir de una ruidosa.

c) Explorarás Codificadores automáticos variacionales (VAE) para generar datos completamente nuevos y
generarás caras de animé para compararlas con imágenes de referencia.

d) Aprenderás sobre las GAN; su invención, propiedades, arquitectura y cómo varían de los VAE, comprenderás
la función del generador y el discriminador dentro del modelo, el concepto de 2 fases de entrenamiento y el rol
del ruido introducido, y construirás tu propia GAN que pueda generar caras.
Email *
Sin título
Apellido *
Nombres *
Celular (Solo números) *
¿Es Graduado FIUBA? *
Localidad de residencia *
¿Te interesa participar en la cooperativa de trabajo?
Clear selection
Otra casilla de correo
Teléfono Particular
Carrera - Facultad - Universidad (En curso SI/NO)
Año de Graduación
Institución Relacionada
Posición que ocupa
Comentarios y Sugerencias
Submit
Never submit passwords through Google Forms.
This content is neither created nor endorsed by Google. Report Abuse - Terms of Service - Privacy Policy