Organízate con las colecciones
Guarda y clasifica el contenido según tus preferencias.
Domina tu camino
Para convertirse en un experto en aprendizaje automático, primero necesita una base sólida en cuatro áreas de aprendizaje : codificación, matemáticas, teoría de ML y cómo crear su propio proyecto de ML de principio a fin.
Las cuatro áreas de la educación en aprendizaje automático
Al comenzar su camino educativo, es importante comprender primero cómo aprender ML. Hemos dividido el proceso de aprendizaje en cuatro áreas de conocimiento, y cada área proporciona una pieza fundamental del rompecabezas del aprendizaje automático. Para ayudarlo en su camino, hemos identificado libros, videos y cursos en línea que mejorarán sus habilidades y lo prepararán para usar ML en sus proyectos. Comience con nuestros planes de estudio guiados diseñados para aumentar sus conocimientos o elija su propio camino explorando nuestra biblioteca de recursos.
Habilidades de codificación: la creación de modelos de ML implica mucho más que simplemente conocer conceptos de ML: requiere codificación para realizar la gestión de datos, el ajuste de parámetros y el análisis de los resultados necesarios para probar y optimizar su modelo.
Matemáticas y estadísticas: ML es una disciplina con mucha matemática, por lo que si planea modificar modelos de ML o crear otros nuevos desde cero, la familiaridad con los conceptos matemáticos subyacentes es crucial para el proceso.
Teoría de ML: conocer los conceptos básicos de la teoría de ML le brindará una base sobre la cual construir y lo ayudará a solucionar problemas cuando algo sale mal.
Cree sus propios proyectos: adquirir experiencia práctica con ML es la mejor manera de poner a prueba sus conocimientos, así que no tema comenzar temprano con una simple colaboración o tutorial para practicar un poco.
Planes de estudio de TensorFlow
Comience a aprender con uno de nuestros planes de estudio guiados que contienen cursos, libros y videos recomendados.
Aprenda los conceptos básicos de ML con esta colección de libros y cursos en línea. Se le presentará el aprendizaje automático y se le guiará a través del aprendizaje profundo utilizando TensorFlow 2.0. Luego tendrás la oportunidad de practicar lo aprendido con tutoriales para principiantes.
Una vez que comprenda los conceptos básicos del aprendizaje automático, lleve sus habilidades al siguiente nivel sumergiéndose en la comprensión teórica de las redes neuronales, el aprendizaje profundo y mejorando su conocimiento de los conceptos matemáticos subyacentes.
Aprenda los conceptos básicos del desarrollo de modelos de aprendizaje automático en JavaScript y cómo implementarlos directamente en el navegador. Obtendrá una introducción de alto nivel sobre el aprendizaje profundo y sobre cómo comenzar con TensorFlow.js a través de ejercicios prácticos.
Recursos educativos
Elija su propia ruta de aprendizaje y explore libros, cursos, videos y ejercicios recomendados por el equipo de TensorFlow para enseñarle los fundamentos del aprendizaje automático.
Libros
Cursos online
Conceptos matemáticos
Recursos de financiación del terrorismo
IA centrada en el ser humano
Libros
La lectura es una de las mejores formas de comprender los fundamentos del aprendizaje automático y el aprendizaje profundo. Los libros pueden brindarle la comprensión teórica necesaria para ayudarlo a aprender nuevos conceptos más rápidamente en el futuro.
Este libro introductorio proporciona un enfoque centrado en el código para aprender a implementar los escenarios de aprendizaje automático más comunes, como la visión por computadora, el procesamiento del lenguaje natural (NLP) y el modelado de secuencias para tiempos de ejecución web, móviles, en la nube y integrados.
Utilizando ejemplos concretos, teoría mínima y dos marcos Python listos para producción (Scikit-Learn y TensorFlow), este libro le ayudará a obtener una comprensión intuitiva de los conceptos y herramientas para construir sistemas inteligentes.
por Ian Goodfellow, Yoshua Bengio y Aaron Courville
Este libro de texto sobre aprendizaje profundo es un recurso destinado a ayudar a estudiantes y profesionales a ingresar al campo del aprendizaje automático en general y al aprendizaje profundo en particular.
Este libro proporciona una base teórica sobre las redes neuronales. No utiliza TensorFlow, pero es una gran referencia para los estudiantes interesados en aprender más.
Un enfoque práctico de extremo a extremo de los fundamentos de TensorFlow.js para una amplia audiencia técnica. Una vez que termine este libro, sabrá cómo crear e implementar sistemas de aprendizaje profundo listos para producción con TensorFlow.js.
por Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet
Escrito por los autores principales de la biblioteca TensorFlow, este libro proporciona casos de uso fascinantes e instrucciones detalladas para aplicaciones de aprendizaje profundo en JavaScript en su navegador o en Node.
Realizar un curso en línea de varias partes es una buena manera de aprender los conceptos básicos de ML. Muchos cursos ofrecen excelentes explicaciones visuales y las herramientas necesarias para comenzar a aplicar el aprendizaje automático directamente en el trabajo o con sus proyectos personales.
Desarrollado en colaboración con el equipo de TensorFlow, este curso es parte de la especialización para desarrolladores de TensorFlow y le enseñará las mejores prácticas para usar TensorFlow.
En esta especialización de cuatro cursos impartida por un desarrollador de TensorFlow, explorará las herramientas y los desarrolladores de software que utilizan para crear algoritmos escalables impulsados por IA en TensorFlow.
El curso intensivo de aprendizaje automático con API de TensorFlow es una guía de autoaprendizaje para los aspirantes a profesionales del aprendizaje automático. Incluye una serie de lecciones con videoconferencias, estudios de casos del mundo real y ejercicios prácticos.
En este curso del MIT, obtendrá conocimientos fundamentales sobre algoritmos de aprendizaje profundo y obtendrá experiencia práctica en la construcción de redes neuronales en TensorFlow.
En cinco cursos, aprenderá los fundamentos del aprendizaje profundo, comprenderá cómo construir redes neuronales y aprenderá cómo liderar proyectos exitosos de aprendizaje automático y desarrollar una carrera en IA. Dominará no sólo la teoría, sino que también verá cómo se aplica en la industria.
Has aprendido a construir y entrenar modelos. Ahora aprenda a navegar por varios escenarios de implementación y a utilizar datos de manera más efectiva para entrenar su modelo en esta especialización de cuatro cursos.
Esta especialización es para ingenieros de software y ML con un conocimiento básico de TensorFlow que buscan ampliar sus conocimientos y habilidades aprendiendo funciones avanzadas de TensorFlow para crear modelos potentes.
Descubra cómo puede atraer más atención a su investigación de vanguardia o ofrecer superpoderes en sus aplicaciones web en trabajos futuros para sus clientes o la empresa para la que trabaja con el aprendizaje automático basado en la web.
Para profundizar en su conocimiento de ML, estos recursos pueden ayudarlo a comprender los conceptos matemáticos subyacentes necesarios para avanzar a niveles superiores.
Una vista panorámica del álgebra lineal para el aprendizaje automático. ¿Nunca has estudiado álgebra lineal o sabes un poco sobre los conceptos básicos y quieres tener una idea de cómo se usa en ML? Entonces este video es para tí.
Esta especialización en línea de Coursera tiene como objetivo cerrar la brecha entre las matemáticas y el aprendizaje automático, poniéndolo al día en las matemáticas subyacentes para desarrollar una comprensión intuitiva y relacionándola con el aprendizaje automático y la ciencia de datos.
3blue1brown se centra en presentar las matemáticas con un enfoque visual primero. En esta serie de videos, aprenderá los conceptos básicos de una red neuronal y cómo funciona a través de conceptos matemáticos.
Una serie de videos visuales cortos de 3blue1brown que explican los fundamentos del cálculo de una manera que le brinda una sólida comprensión de los teoremas fundamentales, y no solo de cómo funcionan las ecuaciones.
Este curso introductorio del MIT cubre la teoría de matrices y el álgebra lineal. Se da énfasis a temas que serán útiles en otras disciplinas, incluidos sistemas de ecuaciones, espacios vectoriales, determinantes, valores propios, similitudes y matrices definidas positivas.
por Gareth James, Daniela Witten, Trevor Hastie y Rob Tibshirani
Este libro proporciona una descripción general accesible del campo del aprendizaje estadístico, un conjunto de herramientas esencial para dar sentido al vasto y complejo mundo de los conjuntos de datos necesarios para entrenar modelos en el aprendizaje automático.
Hemos reunido nuestros recursos favoritos para ayudarlo a comenzar con las bibliotecas y marcos de TensorFlow específicos para sus necesidades. Vaya a nuestras secciones para TensorFlow.js , TensorFlow Lite y TFX .
También puede explorar la guía y los tutoriales oficiales de TensorFlow para obtener los ejemplos y colaboraciones más recientes.
Machine Learning Foundations es un curso de capacitación gratuito en el que aprenderá los fundamentos de la creación de modelos con aprendizaje automático utilizando TensorFlow.
Esta charla técnica sobre ML está diseñada para aquellos que conocen los conceptos básicos del aprendizaje automático pero necesitan una descripción general de los fundamentos de TensorFlow (tensores, variables y gradientes sin utilizar API de alto nivel).
Esta charla técnica de ML incluye aprendizaje de representación, familias de redes neuronales y sus aplicaciones, una primera mirada al interior de una red neuronal profunda y muchos ejemplos de código y conceptos de TensorFlow.
En esta serie, el equipo de TensorFlow analiza varias partes de TensorFlow desde una perspectiva de codificación, con videos sobre el uso de las API de alto nivel de TensorFlow, el procesamiento del lenguaje natural, el aprendizaje estructurado neuronal y más.
Aprenda a detectar los casos de uso de ML más comunes, incluido el análisis multimedia, la creación de búsquedas inteligentes, la transformación de datos y cómo integrarlos rápidamente en su aplicación con herramientas fáciles de usar.
Obtenga conocimientos prácticos sobre el uso de ML en el navegador con JavaScript. Aprenda a escribir modelos personalizados desde un lienzo en blanco, volver a entrenar modelos mediante aprendizaje por transferencia y convertir modelos desde Python.
Un enfoque práctico de extremo a extremo de los fundamentos de TensorFlow.js para una amplia audiencia técnica. Una vez que termine este libro, sabrá cómo crear e implementar sistemas de aprendizaje profundo listos para producción con TensorFlow.js.
Una serie de tres partes que explora tanto el entrenamiento como la ejecución de modelos de aprendizaje automático con TensorFlow.js y le muestra cómo crear un modelo de aprendizaje automático en JavaScript que se ejecuta directamente en el navegador.
Pase de cero a héroe con web ML usando TensorFlow.js. Aprenda a crear aplicaciones web de próxima generación que puedan ejecutarse en el lado del cliente y usarse en casi cualquier dispositivo.
Esta lista de reproducción de videos, que forma parte de una serie más amplia sobre aprendizaje automático y creación de redes neuronales, se centra en TensorFlow.js, la API principal, y en cómo utilizar la biblioteca JavaScript para entrenar e implementar modelos de aprendizaje automático.
Aprenda a crear su primera aplicación de aprendizaje automático en el dispositivo a través de rutas de aprendizaje que brindan guías paso a paso para casos de uso comunes, incluida la clasificación de audio, la búsqueda visual de productos y más.
Aprenda a implementar modelos de aprendizaje profundo en dispositivos móviles e integrados con TensorFlow Lite en este curso, desarrollado por el equipo de TensorFlow y Udacity como un enfoque práctico para la implementación de modelos para desarrolladores de software.
Descubra de forma práctica cómo montar un sistema de canalización de producción con TFX. Cubriremos rápidamente todo, desde la adquisición de datos y la creación de modelos hasta la implementación y la administración.
Este libro lo guía a través de los pasos para automatizar una canalización de ML utilizando el ecosistema TensorFlow. Los ejemplos de aprendizaje automático de este libro se basan en TensorFlow y Keras, pero los conceptos básicos se pueden aplicar a cualquier marco.
Amplíe sus capacidades de ingeniería de producción en esta especialización de cuatro cursos. Aprenda a conceptualizar, construir y mantener sistemas integrados que operen continuamente en producción.
Este curso avanzado cubre componentes TFX, orquestación y automatización de canalizaciones, y cómo administrar metadatos de aprendizaje automático con Google Cloud.
Al diseñar un modelo de aprendizaje automático o crear aplicaciones impulsadas por IA, es importante considerar a las personas que interactúan con el producto y la mejor manera de generar equidad, interpretabilidad, privacidad y seguridad en estos sistemas de IA.
Esta guía de Google le ayudará a crear productos de IA centrados en el ser humano. Le permitirá evitar errores comunes, diseñar experiencias excelentes y centrarse en las personas mientras crea aplicaciones impulsadas por IA.
Este módulo de una hora dentro del MLCC de Google presenta a los estudiantes diferentes tipos de prejuicios humanos que pueden manifestarse en los datos de entrenamiento, así como estrategias para identificar y evaluar sus efectos.
Para convertirse en un experto en aprendizaje automático, primero necesita una base sólida en cuatro áreas de aprendizaje : codificación, matemáticas, teoría de ML y cómo crear su propio proyecto de ML de principio a fin.
Las cuatro áreas de la educación en aprendizaje automático
Al comenzar su camino educativo, es importante comprender primero cómo aprender ML. Hemos dividido el proceso de aprendizaje en cuatro áreas de conocimiento, y cada área proporciona una pieza fundamental del rompecabezas del aprendizaje automático. Para ayudarlo en su camino, hemos identificado libros, videos y cursos en línea que mejorarán sus habilidades y lo prepararán para usar ML en sus proyectos. Comience con nuestros planes de estudio guiados diseñados para aumentar sus conocimientos o elija su propio camino explorando nuestra biblioteca de recursos.
Habilidades de codificación: la creación de modelos de ML implica mucho más que simplemente conocer conceptos de ML: requiere codificación para realizar la gestión de datos, el ajuste de parámetros y el análisis de los resultados necesarios para probar y optimizar su modelo.
Matemáticas y estadísticas: ML es una disciplina con mucha matemática, por lo que si planea modificar modelos de ML o crear otros nuevos desde cero, la familiaridad con los conceptos matemáticos subyacentes es crucial para el proceso.
Teoría de ML: conocer los conceptos básicos de la teoría de ML le brindará una base sobre la cual construir y lo ayudará a solucionar problemas cuando algo sale mal.
Cree sus propios proyectos: adquirir experiencia práctica con ML es la mejor manera de poner a prueba sus conocimientos, así que no tema comenzar temprano con una simple colaboración o tutorial para practicar un poco.
Planes de estudio de TensorFlow
Comience a aprender con uno de nuestros planes de estudio guiados que contienen cursos, libros y videos recomendados.
Aprenda los conceptos básicos de ML con esta colección de libros y cursos en línea. Se le presentará el aprendizaje automático y se le guiará a través del aprendizaje profundo utilizando TensorFlow 2.0. Luego tendrás la oportunidad de practicar lo aprendido con tutoriales para principiantes.
Una vez que comprenda los conceptos básicos del aprendizaje automático, lleve sus habilidades al siguiente nivel sumergiéndose en la comprensión teórica de las redes neuronales, el aprendizaje profundo y mejorando su conocimiento de los conceptos matemáticos subyacentes.
Aprenda los conceptos básicos del desarrollo de modelos de aprendizaje automático en JavaScript y cómo implementarlos directamente en el navegador. Obtendrá una introducción de alto nivel sobre el aprendizaje profundo y sobre cómo comenzar con TensorFlow.js a través de ejercicios prácticos.
Recursos educativos
Elija su propia ruta de aprendizaje y explore libros, cursos, videos y ejercicios recomendados por el equipo de TensorFlow para enseñarle los fundamentos del aprendizaje automático.
Libros
Cursos online
Conceptos matemáticos
Recursos de financiación del terrorismo
IA centrada en el ser humano
Libros
La lectura es una de las mejores formas de comprender los fundamentos del aprendizaje automático y el aprendizaje profundo. Los libros pueden brindarle la comprensión teórica necesaria para ayudarlo a aprender nuevos conceptos más rápidamente en el futuro.
Este libro introductorio proporciona un enfoque centrado en el código para aprender a implementar los escenarios de aprendizaje automático más comunes, como la visión por computadora, el procesamiento del lenguaje natural (NLP) y el modelado de secuencias para tiempos de ejecución web, móviles, en la nube y integrados.
Utilizando ejemplos concretos, teoría mínima y dos marcos Python listos para producción (Scikit-Learn y TensorFlow), este libro le ayudará a obtener una comprensión intuitiva de los conceptos y herramientas para construir sistemas inteligentes.
por Ian Goodfellow, Yoshua Bengio y Aaron Courville
Este libro de texto sobre aprendizaje profundo es un recurso destinado a ayudar a estudiantes y profesionales a ingresar al campo del aprendizaje automático en general y al aprendizaje profundo en particular.
Este libro proporciona una base teórica sobre las redes neuronales. No utiliza TensorFlow, pero es una gran referencia para los estudiantes interesados en aprender más.
Un enfoque práctico de extremo a extremo de los fundamentos de TensorFlow.js para una amplia audiencia técnica. Una vez que termine este libro, sabrá cómo crear e implementar sistemas de aprendizaje profundo listos para producción con TensorFlow.js.
por Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet
Escrito por los autores principales de la biblioteca TensorFlow, este libro proporciona casos de uso fascinantes e instrucciones detalladas para aplicaciones de aprendizaje profundo en JavaScript en su navegador o en Node.
Realizar un curso en línea de varias partes es una buena manera de aprender los conceptos básicos de ML. Muchos cursos ofrecen excelentes explicaciones visuales y las herramientas necesarias para comenzar a aplicar el aprendizaje automático directamente en el trabajo o con sus proyectos personales.
Desarrollado en colaboración con el equipo de TensorFlow, este curso es parte de la especialización para desarrolladores de TensorFlow y le enseñará las mejores prácticas para usar TensorFlow.
En esta especialización de cuatro cursos impartida por un desarrollador de TensorFlow, explorará las herramientas y los desarrolladores de software que utilizan para crear algoritmos escalables impulsados por IA en TensorFlow.
El curso intensivo de aprendizaje automático con API de TensorFlow es una guía de autoaprendizaje para los aspirantes a profesionales del aprendizaje automático. Incluye una serie de lecciones con videoconferencias, estudios de casos del mundo real y ejercicios prácticos.
En este curso del MIT, obtendrá conocimientos fundamentales sobre algoritmos de aprendizaje profundo y obtendrá experiencia práctica en la construcción de redes neuronales en TensorFlow.
En cinco cursos, aprenderá los fundamentos del aprendizaje profundo, comprenderá cómo construir redes neuronales y aprenderá cómo liderar proyectos exitosos de aprendizaje automático y desarrollar una carrera en IA. Dominará no sólo la teoría, sino que también verá cómo se aplica en la industria.
Has aprendido a construir y entrenar modelos. Ahora aprenda a navegar por varios escenarios de implementación y a utilizar datos de manera más efectiva para entrenar su modelo en esta especialización de cuatro cursos.
Esta especialización es para ingenieros de software y ML con un conocimiento básico de TensorFlow que buscan ampliar sus conocimientos y habilidades aprendiendo funciones avanzadas de TensorFlow para crear modelos potentes.
Descubra cómo puede atraer más atención a su investigación de vanguardia o ofrecer superpoderes en sus aplicaciones web en trabajos futuros para sus clientes o la empresa para la que trabaja con el aprendizaje automático basado en la web.
Para profundizar en su conocimiento de ML, estos recursos pueden ayudarlo a comprender los conceptos matemáticos subyacentes necesarios para avanzar a niveles superiores.
Una vista panorámica del álgebra lineal para el aprendizaje automático. ¿Nunca has estudiado álgebra lineal o sabes un poco sobre los conceptos básicos y quieres tener una idea de cómo se usa en ML? Entonces este video es para tí.
Esta especialización en línea de Coursera tiene como objetivo cerrar la brecha entre las matemáticas y el aprendizaje automático, poniéndolo al día en las matemáticas subyacentes para desarrollar una comprensión intuitiva y relacionándola con el aprendizaje automático y la ciencia de datos.
3blue1brown se centra en presentar las matemáticas con un enfoque visual primero. En esta serie de videos, aprenderá los conceptos básicos de una red neuronal y cómo funciona a través de conceptos matemáticos.
Una serie de videos visuales cortos de 3blue1brown que explican los fundamentos del cálculo de una manera que le brinda una sólida comprensión de los teoremas fundamentales, y no solo de cómo funcionan las ecuaciones.
Este curso introductorio del MIT cubre la teoría de matrices y el álgebra lineal. Se da énfasis a temas que serán útiles en otras disciplinas, incluidos sistemas de ecuaciones, espacios vectoriales, determinantes, valores propios, similitudes y matrices definidas positivas.
por Gareth James, Daniela Witten, Trevor Hastie y Rob Tibshirani
Este libro proporciona una descripción general accesible del campo del aprendizaje estadístico, un conjunto de herramientas esencial para dar sentido al vasto y complejo mundo de los conjuntos de datos necesarios para entrenar modelos en el aprendizaje automático.
Hemos reunido nuestros recursos favoritos para ayudarlo a comenzar con las bibliotecas y marcos de TensorFlow específicos para sus necesidades. Vaya a nuestras secciones para TensorFlow.js , TensorFlow Lite y TFX .
También puede explorar la guía y los tutoriales oficiales de TensorFlow para obtener los ejemplos y colaboraciones más recientes.
Machine Learning Foundations es un curso de capacitación gratuito en el que aprenderá los fundamentos de la creación de modelos con aprendizaje automático utilizando TensorFlow.
Esta charla técnica sobre ML está diseñada para aquellos que conocen los conceptos básicos del aprendizaje automático pero necesitan una descripción general de los fundamentos de TensorFlow (tensores, variables y gradientes sin utilizar API de alto nivel).
Esta charla técnica de ML incluye aprendizaje de representación, familias de redes neuronales y sus aplicaciones, una primera mirada al interior de una red neuronal profunda y muchos ejemplos de código y conceptos de TensorFlow.
En esta serie, el equipo de TensorFlow analiza varias partes de TensorFlow desde una perspectiva de codificación, con videos sobre el uso de las API de alto nivel de TensorFlow, el procesamiento del lenguaje natural, el aprendizaje estructurado neuronal y más.
Aprenda a detectar los casos de uso de ML más comunes, incluido el análisis multimedia, la creación de búsquedas inteligentes, la transformación de datos y cómo integrarlos rápidamente en su aplicación con herramientas fáciles de usar.
Obtenga conocimientos prácticos sobre el uso de ML en el navegador con JavaScript. Aprenda a escribir modelos personalizados desde un lienzo en blanco, volver a entrenar modelos mediante aprendizaje por transferencia y convertir modelos desde Python.
Un enfoque práctico de extremo a extremo de los fundamentos de TensorFlow.js para una amplia audiencia técnica. Una vez que termine este libro, sabrá cómo crear e implementar sistemas de aprendizaje profundo listos para producción con TensorFlow.js.
Una serie de tres partes que explora tanto el entrenamiento como la ejecución de modelos de aprendizaje automático con TensorFlow.js y le muestra cómo crear un modelo de aprendizaje automático en JavaScript que se ejecuta directamente en el navegador.
Pase de cero a héroe con web ML usando TensorFlow.js. Aprenda a crear aplicaciones web de próxima generación que puedan ejecutarse en el lado del cliente y usarse en casi cualquier dispositivo.
Esta lista de reproducción de videos, que forma parte de una serie más amplia sobre aprendizaje automático y creación de redes neuronales, se centra en TensorFlow.js, la API principal, y en cómo utilizar la biblioteca JavaScript para entrenar e implementar modelos de aprendizaje automático.
Aprenda a crear su primera aplicación de aprendizaje automático en el dispositivo a través de rutas de aprendizaje que brindan guías paso a paso para casos de uso comunes, incluida la clasificación de audio, la búsqueda visual de productos y más.
Aprenda a implementar modelos de aprendizaje profundo en dispositivos móviles e integrados con TensorFlow Lite en este curso, desarrollado por el equipo de TensorFlow y Udacity como un enfoque práctico para la implementación de modelos para desarrolladores de software.
Descubra de forma práctica cómo montar un sistema de canalización de producción con TFX. Cubriremos rápidamente todo, desde la adquisición de datos y la creación de modelos hasta la implementación y la administración.
Este libro lo guía a través de los pasos para automatizar una canalización de ML utilizando el ecosistema TensorFlow. Los ejemplos de aprendizaje automático de este libro se basan en TensorFlow y Keras, pero los conceptos básicos se pueden aplicar a cualquier marco.
Amplíe sus capacidades de ingeniería de producción en esta especialización de cuatro cursos. Aprenda a conceptualizar, construir y mantener sistemas integrados que operen continuamente en producción.
Este curso avanzado cubre componentes TFX, orquestación y automatización de canalizaciones, y cómo administrar metadatos de aprendizaje automático con Google Cloud.
Al diseñar un modelo de aprendizaje automático o crear aplicaciones impulsadas por IA, es importante considerar a las personas que interactúan con el producto y la mejor manera de generar equidad, interpretabilidad, privacidad y seguridad en estos sistemas de IA.
Esta guía de Google le ayudará a crear productos de IA centrados en el ser humano. Le permitirá evitar errores comunes, diseñar experiencias excelentes y centrarse en las personas mientras crea aplicaciones impulsadas por IA.
Este módulo de una hora dentro del MLCC de Google presenta a los estudiantes diferentes tipos de prejuicios humanos que pueden manifestarse en los datos de entrenamiento, así como estrategias para identificar y evaluar sus efectos.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Me falta la información que necesito"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Es demasiado complicado o hay demasiados pasos"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Está obsoleto"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema de traducción"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema de muestras o código"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Otro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Es fácil de entender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Me ofreció una solución al problema"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Otro"
}]
{}
[[["Es fácil de entender","easyToUnderstand","thumb-up"],["Me ofreció una solución al problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Me falta la información que necesito","missingTheInformationINeed","thumb-down"],["Es demasiado complicado o hay demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Está obsoleto","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema de muestras o código","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],[],[],[]]
