Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Domina tu camino
Para llegar a un nivel avanzado en el campo del aprendizaje automático, primero debes tener una base sólida en cuatro áreas de aprendizaje : programación, matemática, teoría del AA y creación de un proyecto propio de AA de principio a fin.
Comienza con los planes de estudio seleccionados de TensorFlow para mejorar estas cuatro habilidades o explora nuestra biblioteca de recursos a continuación para elegir tu propia ruta de aprendizaje.
Las cuatro áreas de educación sobre aprendizaje automático
Cuando inicies tu ruta de aprendizaje, es importante que primero comprendas el proceso de aprendizaje del AA, que se divide en cuatro áreas de conocimiento. Cada una de estas áreas aporta una pieza fundamental del rompecabezas del AA. Para ayudarte en tu camino, identificamos libros, videos y cursos en línea que mejorarán tus habilidades y te permitirán prepararte para usar el AA en tus proyectos. Comienza con nuestras capacitaciones guiadas, que se diseñaron para aumentar tu conocimiento, o elige tu propio camino en nuestra biblioteca de recursos.
Habilidades de programación: La creación de modelos de AA implica mucho más que simplemente conocer conceptos de AA; es necesario programar a fin de administrar los datos, ajustar los parámetros y analizar los resultados necesarios para probar y optimizar tu modelo.
Matemática y estadística: El AA es una disciplina basada en la matemática; por eso, si planeas modificar modelos de AA o crear modelos desde cero, es fundamental para el proceso que estés familiarizado con los conceptos matemáticos subyacentes.
Teoría del AA: Conocer los conceptos básicos de la teoría del AA te proporcionará una base para progresar y te ayudará a solucionar problemas cuando algo salga mal.
Crea tus propios proyectos: Obtener experiencia práctica con el AA es la mejor manera de poner a prueba tus conocimientos, así que no tengas miedo de sumergirte enseguida en un simple notebook de Colab o instructivo para adquirir práctica.
Para principiantes
Conceptos básicos del aprendizaje automático con TensorFlow
Aprende los conceptos básicos del AA con esta colección de libros y cursos en línea. Recibirás una introducción al AA y al aprendizaje profundo con TensorFlow 2.0. Luego, tendrás la posibilidad de practicar lo que aprendiste con instructivos para principiantes.
Para usuarios de nivel intermedio y expertos
Aprendizaje automático teórico y avanzado con TensorFlow
Una vez que comprendas los conceptos básicos del aprendizaje automático, sumérgete en la comprensión teórica de las redes neuronales y el aprendizaje profundo, y mejora tu conocimiento de los conceptos de matemática subyacentes para llevar tus habilidades al siguiente nivel.
Para principiantes
TensorFlow para el desarrollo en JavaScript
Aprende los conceptos básicos del desarrollo de modelos de aprendizaje automático en JavaScript y cómo implementarlos directamente en el navegador. Obtendrás una introducción de alto nivel sobre el aprendizaje profundo y sobre el proceso para comenzar a usar TensorFlow.js mediante ejercicios prácticos.
AI and Machine Learning for Coders
por Laurence Moroney
Este libro introductorio ofrece un enfoque centrado en el código para aprender a implementar las situaciones de AA más comunes, como la visión artificial, el procesamiento de lenguaje natural (PLN) y el modelado de secuencia para entornos de ejecución incorporados, de la Web, de dispositivos móviles o de la nube.
Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow
por Aurélien Géron
Con ejemplos concretos, muy poca teoría y dos frameworks de Python listos para la producción (Scikit-Learn y TensorFlow), este libro te permite obtener una comprensión intuitiva de los conceptos y las herramientas para construir sistemas inteligentes.
Aprendizaje profundo
por Ian Goodfellow, Yoshua Bengio y Aaron Courville
Este libro de texto sobre el aprendizaje profundo es un recurso para ayudar a que los estudiantes y profesionales ingresen al mundo del aprendizaje automático en general y el aprendizaje profundo en particular.
Matemática
Teoría
Creación
Neural Networks and Deep Learning
por Michael Nielsen
Este libro ofrece una base teórica sobre las redes neuronales. No usa TensorFlow, pero es una excelente referencia para los estudiantes a quienes les interese aprender más.
Código
Matemática
Teoría
Creación
Learning TensorFlow.js
por Gant Laborde
Una introducción práctica de extremo a extremo sobre los aspectos básicos de TensorFlow.js para un público técnico más amplio. Cuando termines este libro, sabrás cómo crear e implementar sistemas de aprendizaje profundo listos para la producción con TensorFlow.js.
Deep Learning with JavaScript
por Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet
Este libro, escrito por los principales autores de la biblioteca de TensorFlow, presenta casos de uso fascinantes, así como instrucciones detalladas sobre las apps de aprendizaje profundo en JavaScript en tu navegador o en Node.
DeepLearning.AI
Intro to TensorFlow for AI, ML, and Deep Learning
Este curso, que se desarrolló en colaboración con el equipo de TensorFlow, forma parte del Programa especializado para desarrolladores de TensorFlow y te enseñará las prácticas recomendadas para el uso de esta plataforma.
Intro to TensorFlow for Deep Learning
En este curso en línea que desarrollaron el equipo de TensorFlow y Udacity, aprenderás a crear aplicaciones de aprendizaje profundo con TensorFlow.
Código
Matemática
Teoría
Creación
Google Developers
Machine Learning Crash Course
El Curso intensivo de aprendizaje automático con la API de TensorFlow es una guía de estudio autónomo para quienes aspiran a convertirse en profesionales del aprendizaje automático. Incluye una serie de lecciones con clases por video, casos de éxito reales y ejercicios prácticos.
Curso 6.S191 del MIT: Introduction to Deep Learning
En este curso del MIT, obtendrás conocimientos básicos de los algoritmos del aprendizaje profundo y adquirirás experiencia práctica para crear redes neuronales en TensorFlow.
Código
Matemática
Teoría
Creación
DeepLearning.AI
Programa especializado: Aprendizaje profundo
En cinco cursos, aprenderás los conceptos fundamentales del aprendizaje profundo, entenderás el proceso para crear redes neuronales y, además, aprenderás a llevar a cabo proyectos exitosos de aprendizaje automático y a dedicarte profesionalmente a la IA. No solo dominarás la teoría, sino que también verás cómo se aplica en la industria.
Código
Matemática
Teoría
Creación
DeepLearning.AI
Programa especializado: TensorFlow: Data and Deployment
Ya aprendiste a crear y entrenar modelos. Ahora aprende a navegar en varias situaciones de implementación y a usar los datos con más eficacia para entrenar tu modelo en este Programa especializado de cuatro cursos.
DeepLearning.AI
Programa especializado: TensorFlow: Advanced Techniques
Esta especialización está dirigida a ingenieros de software y AA con conocimientos básicos de TensorFlow que quieren profundizar sus conocimientos y habilidades mediante el aprendizaje de funciones avanzadas de TensorFlow para crear modelos potentes.
A friendly introduction to linear algebra for ML
Un panorama general sobre álgebra lineal para el aprendizaje automático. ¿Nunca estudiaste álgebra lineal o conoces poco sobre los conceptos básicos y te gustaría familiarizarte con su uso en el AA? Entonces este video es para ti.
Imperial College London
Programa especializado: Matemática aplicada al aprendizaje automático
Este Programa especializado en línea de Coursera tiene como objetivo reducir la brecha entre las matemáticas y el aprendizaje automático, poniéndote al día en las matemáticas subyacentes para que generes una comprensión intuitiva y la relaciones con el aprendizaje automático y la ciencia de los datos.
Deep Learning
por 3Blue1Brown
3Blue1Brown se centra en presentar la matemática con un enfoque visual. En esta serie de videos, aprenderás las nociones básicas de una red neuronal y cómo trabaja con conceptos de matemática.
Essence of Linear Algebra
por 3Blue1Brown
Serie de videos breves con imágenes de 3Blue1Brown que brindan orientación sobre la comprensión geométrica de las matrices, las determinantes, los vectores y valores propios, y más.
Essence of Calculus
por 3Blue1Brown
Serie de videos breves con imágenes de 3Blue1Brown que explican los conceptos básicos del cálculo de modo que comprendas en profundidad los teoremas fundamentales, y no solo el funcionamiento de las ecuaciones.
Curso 18.06 del MIT: Linear Algebra
Este curso introductorio del MIT abarca la teoría de matrices y el álgebra lineal. Se hace hincapié en los temas que serán útiles en otras disciplinas, entre ellos, los sistemas de ecuaciones, los espacios vectoriales, las determinantes, los vectores y valores propios, la similitud y las matrices definidas positivas.
Viendo la teoría
por Daniel Kunin, Jingru Guo, Tyler Dae Devlin, Daniel Xiang
Introducción visual a la probabilidad y la estadística.
An Introduction to Statistical Learning
por Gareth James, Daniela Witten, Trevor Hastie y Rob Tibshirani
Este libro presenta una descripción general accesible del campo del aprendizaje estadístico, un conjunto de herramientas esencial para comprender el vasto y complejo mundo de los conjuntos de datos necesarios para entrenar modelos en el aprendizaje automático.
ML Zero to Hero
Esta serie introductoria está dirigida a personas que saben programar, pero no necesariamente saben sobre aprendizaje automático. Observa un ejemplo básico de "Hello World" sobre cómo crear un modelo de AA y aprende a crear un clasificador de imágenes mediante una red neuronal convolucional.
TensorFlow from the Ground Up
Esta Tech Talk sobre el AA está diseñada para quienes conocen los aspectos básicos del aprendizaje automático, pero necesitan una descripción general de la información esencial sobre TensorFlow (tensores, variables y gradientes sin usar API de alto nivel).
Intro to Deep Learning
Esta Tech Talk sobre el AA incluye el aprendizaje de representaciones, familias de redes neuronales y sus aplicaciones, una primera vista de una red neuronal profunda y muchos ejemplos de código y conceptos de TensorFlow.
Coding TensorFlow
En esta serie, el equipo de TensorFlow examina varias partes de TensorFlow desde una perspectiva de programación, con videos para el uso de las API de alto nivel, el procesamiento de lenguaje natural, el aprendizaje estructurado neuronal de TensorFlow y mucho más.
Spotting and solving everyday problems with machine learning
Aprende a detectar los casos de uso de AA más comunes, incluidos el análisis de multimedia, la creación de búsquedas inteligentes y la transformación de datos; además de cómo incorporarlos rápidamente en tu app con herramientas fáciles de usar.
Aprendizaje automático para desarrolladores web (AA web)
Obtén conocimientos prácticos sobre el uso del AA en el navegador con JavaScript. Aprende a escribir modelos personalizados desde cero, entrenar modelos con el aprendizaje por transferencia y convertir modelos desde Python.
Código
Matemática
Teoría
Creación
Learning TensorFlow.js
por Gant Laborde
Una introducción práctica de extremo a extremo sobre los aspectos básicos de TensorFlow.js para un público técnico más amplio. Cuando termines este libro, sabrás cómo crear e implementar sistemas de aprendizaje profundo listos para la producción con TensorFlow.js.
Comienza a usar TensorFlow.js por TensorFlow
Serie de 3 partes que explora tanto el entrenamiento como la ejecución de modelos de aprendizaje automático con TensorFlow.js y muestra el proceso para crear un modelo de aprendizaje automático en JavaScript que se ejecute directamente en el navegador.
TensorFlow.js: Serie sobre inteligencia y aprendizaje
por The Coding Train
Esta lista de reproducción de videos, que forma parte de una serie más grande sobre el aprendizaje automático y la creación de redes neuronales, se centra en TensorFlow.js, la API principal y cómo usar la biblioteca de JavaScript para el entrenamiento y la implementación de modelos de AA.
Google Developers
Aprendizaje automático en el dispositivo
Aprende a desarrollar tu primera app de AA integrada en el dispositivo mediante rutas que ofrecen guías paso a paso para casos de uso comunes, entre los que se incluyen la clasificación de audio, la búsqueda visual de productos y muchos más.
Introduction to TensorFlow Lite
Aprende a implementar modelos de aprendizaje profundo en dispositivos incorporados y móviles con TensorFlow Lite. Los equipos de TensorFlow y Udacity crearon este curso con un enfoque práctico sobre la implementación de modelos para desarrolladores de software.
ML engineering for production ML deployments with TFX
Obtén una práctica de ejemplo para aprender a elaborar un sistema de canalización de producción con TFX. Cubriremos rápidamente todos los aspectos, desde la adquisición de datos y la creación de modelos hasta la implementación y la administración.
Building Machine Learning Pipelines
por Hannes Hapke, Catherine Nelson
Con este libro, seguirás los pasos para automatizar una canalización de AA mediante el ecosistema de TensorFlow. Los ejemplos de aprendizaje automático incluidos en el libro se basan en TensorFlow y Keras, pero los conceptos principales se pueden aplicar a cualquier framework.
ML Pipelines on Google Cloud
Este curso avanzado trata sobre los componentes de TFX, la organización y automatización de canalizaciones y la forma de administrar metadatos de AA con Google Cloud.
People AI Guidebook
Esta guía de Google te ayudará a crear productos de IA centrados en las personas. Te permitirá evitar errores comunes, diseñar experiencias excelentes y concentrarte en las personas mientras creas aplicaciones basadas en la IA.
Módulo de Introducción a la equidad en el aprendizaje automático
Este módulo de una hora del Curso intensivo de aprendizaje automático de Google es una introducción a los diferentes tipos de sesgos humanos que se pueden manifestar durante el entrenamiento de datos. Además, proporciona estrategias para identificar y evaluar los efectos que producen.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Falta la información que necesito"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muy complicado o demasiados pasos"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desactualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema de traducción"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema con las muestras o los códigos"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Otro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de comprender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Resolvió mi problema"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Otro"
}]
{}
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Falta la información que necesito","missingTheInformationINeed","thumb-down"],["Muy complicado o demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Desactualizado","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema con las muestras o los códigos","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],[],[],[]]
