Google se compromete a impulsar la igualdad racial para las comunidades afrodescendientes. Obtén información al respecto.

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 aquellos que quieran:

  1. Mejorar su comprensión del AA

  2. Comenzar a comprender e implementar artículos de investigación con TensorFlow

You should already have background knowledge of how ML works or completed the learning materials in the beginner curriculum Basics of machine learning with TensorFlow before continuing. The below content is intended to guide learners to more theoretical and advanced machine learning content. You will see that many of the resources use TensorFlow, however, the knowledge is transferable to other ML frameworks.

To further your understanding of ML, you should have Python programming experience as well as a background in calculus, linear algebra, probability, and statistics. To help you deepen your ML knowledge, we have listed a number of recommended resources and courses from universities, as well as a couple of textbooks.

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 cursos en alguna universidad o que mires alguna clase abierta del MIT, como Linear Algebra o Single Variable Calculus.

Essence of Linear Algebra
by 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
by 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.

MIT 18.06: 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.

MIT 18.01: Single Variable Calculus

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

Paso 2: Mejora 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 ser beneficioso, 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 mejor aprendas y refuerces estos conceptos con la práctica, más fácil te resultará crear y evaluar tus propios modelos de AA.

Haz estos cursos:

MIT course 6.S191: Introduction to Deep Learning is an introductory course for Deep Learning with TensorFlow from MIT and also a wonderful resource.

Andrew Ng's Deep Learning Specialization at Coursera also teaches the foundations of deep learning, including convolutional networks, RNNS, LSTMs, and more. This specialization is designed to help you apply deep learning in your work, and to build a career in AI.

MIT 6.S191: 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.

Deep Learning Specialization

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.

⬆ 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: An MIT Press Book, de Ian Goodfellow, Yoshua Bengio y Aaron Courville. 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.

Deep Learning
by Ian Goodfellow, Yoshua Bengio, and 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.

Neural Networks and Deep Learning
by 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.

Paso 3: Lee artículos de investigación y aplícalos con TensorFlow

At this point, we recommend reading papers and trying the advanced tutorials on our website, which contain implementations of a few well known publications. The best way to learn an advanced application, machine translation, or image captioning, is to read the paper linked from the tutorial. As you work through it, find the relevant sections of the code, and use them to help solidify your understanding.