Google se compromete a promover la equidad racial para las comunidades negras. Ver cómo.

Aprendizaje automático teórico y avanzado con TensorFlow

Antes de comenzar a usar los materiales didácticos que se encuentran a continuación, asegúrate de lo siguiente:

  1. Completar nuestra capacitación Conceptos básicos de aprendizaje automático con TensorFlow o tener un conocimiento equivalente

  2. Tener experiencia en el desarrollo de software, en particular en Python

Esta capacitación es un punto de partida para las personas que quieren lograr lo siguiente:

  1. Mejorar su comprensión del AA

  2. Comenzar a comprender y a implementar trabajos de investigación con TensorFlow

Deberías tener conocimientos previos sobre cómo funciona el AA o haber completado los materiales didácticos de la capacitación para principiantes Conceptos básicos de aprendizaje automático con TensorFlow antes de continuar con este contenido adicional. El contenido que se encuentra a continuación está pensado para guiar a los estudiantes hacia contenidos más teóricos y avanzados sobre el aprendizaje automático. Verás que muchos de los recursos usan TensorFlow; sin embargo, el conocimiento se puede aplicar en otros frameworks de AA.

Para mejorar tu comprensión del AA, deberías tener experiencia en programación con Python, así como conocimientos previos de cálculo, álgebra lineal, probabilidad y estadística. Para ayudarte a ampliar tu conocimiento de AA, elaboramos una lista de recursos y cursos universitarios recomendados, así como de algunos libros de texto.

Paso 1: Refresca tus conocimientos de conceptos matemáticos

El AA es una disciplina basada en la matemática. Si planeas modificar modelos de AA o compilar modelos nuevos desde cero, es importante que estés familiarizado con los conceptos de matemática subyacentes. No hace falta que aprendas toda la matemática por adelantado, pero sí puedes investigar los conceptos que no conoces a medida que vayas topándote con ellos. Si hace mucho que no haces un curso de matemática, mira las listas de reproducción de 3Blue1Brown sobre Esencia del álgebra lineal y Esencia del cálculo para refrescar los conceptos. Te recomendamos que continúes con una clase en alguna universidad o que mires alguna clase abierta del MIT, como Álgebra lineal o Cálculo con una sola variable.

Conceptos de matemática
Essence of Linear Algebra, por 3Blue1Brown

Una serie de videos breves con imágenes de 3Blue1Brown que explican la comprensión geométrica de las matrices, las determinantes, los vectores y valores propios, y más.

Conceptos de matemática
Essence of Calculus, por 3Blue1Brown

Una serie de videos breves con imágenes de 3Blue1Brown que explican los conceptos básicos de cálculo y hacen hincapié en los teoremas fundamentales.

Conceptos de matemática
Curso 18.06 del MIT: Álgebra lineal

Este curso introductorio del MIT abarca la teoría de la matriz y el álgebra lineal.

Conceptos de matemática
Curso 18.01 del MIT: Cálculo con una sola variable

Este curso de introducción al cálculo del MIT abarca la diferenciación y la integración de funciones de una variable, con aplicaciones.

Paso 2: Profundiza tu comprensión del aprendizaje profundo con estos cursos y libros

No existe un curso único que enseñe todo lo que debes saber sobre el aprendizaje profundo. Un método que puede resultar útil es hacer varios cursos al mismo tiempo. Aunque es posible que haya coincidencias en el material, tener varios instructores que expliquen los conceptos de diferentes maneras puede resultar útil, en especial en el caso de temas complejos. A continuación, puedes ver varios cursos que recomendamos para comenzar. Puedes explorarlos al mismo tiempo o simplemente elegir los que te parecen más relevantes.

Recuerda que, cuanto más aprendas y refuerces estos conceptos con la práctica, mejor serás para compilar y evaluar tus propios modelos de AA.

Haz estos cursos:

CS231n: Redes neuronales convolucionales para el reconocimiento visual es una colección clases audiovisuales y diapositivas de la Universidad de Stanford sobre los detalles de las arquitecturas del aprendizaje profundo, con un enfoque en modelos de aprendizaje de extremo a extremo para tareas de visión artificial. Es un curso excelente y un muy buen punto de partida. El curso 6.S191 del MIT: Introducción al aprendizaje profundo es un curso introductorio más breve del MIT sobre el aprendizaje profundo con TensorFlow y también es un recurso excelente. También puedes recurrir a Aprendizaje profundo del MIT, una colección de cursos y clases sobre el aprendizaje profundo, el aprendizaje profundo por refuerzo, los vehículos autónomos y la inteligencia artificial, dictado por Lex Fridman."

Por último, el influyente Programa especializado Deep Learning de Andrew Ng en Coursera consta de cinco cursos en los que se enseñan las bases del aprendizaje profundo, incluso las redes convolucionales, las RNNS, el LSTM y mucho más. Este programa especializado se diseñó para ayudarte a aplicar el aprendizaje profundo en tu trabajo y dedicarte profesionalmente a la IA.

Cursos en línea de nivel intermedio
CS231n: Redes neuronales convolucionales para el reconocimiento visual

Este curso es una inmersión profunda en los detalles de la arquitectura del aprendizaje profundo y se enfoca en la enseñanza de los modelos de extremo a extremo para tareas de visión artificial, en particular la clasificación de imágenes. Explora los videos de clase, las diapositivas y los apuntes de las versiones anteriores del curso.

Cursos en línea de nivel intermedio
Curso 6.S191 del MIT: Introducción al aprendizaje profundo

En este curso del MIT, obtendrás conocimientos básicos de los algoritmos del aprendizaje profundo y adquirirás experiencia práctica para compilar redes neuronales en TensorFlow.

Cursos en línea de nivel intermedio
Aprendizaje profundo del MIT

Una colección de cursos y clases del MIT sobre el aprendizaje profundo, el aprendizaje profundo por refuerzo, los vehículos autónomos y la inteligencia artificial, dictados por Lex Fridman.

Cursos en línea de nivel intermedio
deeplearning.ai: Programa especializado Deep Learning

En cinco cursos, aprenderás los conceptos fundamentales del aprendizaje profundo y a construir redes neuronales.

⬆ y ⬇ Lee estos libros:

Para complementar lo que aprendiste en los cursos que enumeramos más arriba, te recomendamos que te sumerjas aún más y leas los libros que figuran a continuación. Todos están disponibles en línea y ofrecen materiales complementarios para ayudarte a practicar.

Puedes comenzar por leer Deep Learning por Ian Goodfellow, Yoshua Bengio y Aaron Courville, publicado por MIT Press. El libro de texto Deep Learning es un recurso avanzado cuyo objetivo es ayudar a que los estudiantes profundicen su comprensión. El libro está acompañado por un sitio web, que ofrece una gran variedad de material complementario, como ejercicios, diapositivas de clases, correcciones de errores y otros recursos para que practiques los conceptos.

También puedes explorar el libro en línea de Michael Nielsen Neural Networks and Deep Learning. Este libro ofrece una base teórica sobre las redes neuronales. No usa TensorFlow, pero es una excelente referencia para los estudiantes interesados en aprender más.

Libros
Deep Learning, por Ian Goodfellow, Yoshua Bengio y Aaron Courville, publicado por MIT Press

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, con un enfoque en el aprendizaje profundo.

Libros
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.

Paso 3: Lee trabajos de investigación y aplícalos con TensorFlow

En este momento, recomendamos que leas trabajos de investigación y veas los instructivos avanzados en nuestro sitio web, ya que contienen las implementaciones de algunas publicaciones reconocidas. La mejor manera de aprender una aplicación avanzada, traducción automática o subtítulos de imágenes es leer el trabajo de investigación al que se puede acceder desde el vínculo del instructivo. Mientras trabajas con él, busca las secciones relevantes del código y úsalas para que te ayuden a consolidar tu comprensión.