Help protect the Great Barrier Reef with TensorFlow on Kaggle Join Challenge

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

Deberías tener conocimientos previos sobre el funcionamiento del AA o haber completado los materiales didácticos de la capacitación para principiantes Conceptos básicos de aprendizaje automático con TensorFlow antes de continuar. 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 cursos en alguna universidad o que mires alguna clase abierta del MIT, como Linear Algebra o Single Variable Calculus.

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.

Curso 18.01 del MIT: 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:

El curso 6.S191 del MIT: Introduction to Deep Learning es una capacitación del MIT sobre aprendizaje profundo con TensorFlow y, además, es un recurso excelente.

El Programa especializado: Aprendizaje profundo de Andrew Ng en Coursera también enseña las bases del aprendizaje profundo, incluidas 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 a dedicarte profesionalmente a la IA.

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.

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.

⬆ 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.

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.

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.

Paso 3: Lee artículos de investigación y aplícalos con TensorFlow

En esta instancia, te recomendamos leer artículos de investigación y probar los instructivos avanzados de nuestro sitio web, que contienen implementaciones de algunas publicaciones reconocidas. La mejor manera de aprender a trabajar con una aplicación avanzada, traducción automática o leyendas de imágenes es leer el artículo de investigación cuyo vínculo aparece en el instructivo. Mientras lo haces, busca las secciones relevantes del código y úsalas para que te ayuden a consolidar tu comprensión.