Organiza tus páginas con colecciones Guarda y categoriza 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.

Comience con los currículos seleccionados de TensorFlow para mejorar estas cuatro habilidades, o elija su propio camino de aprendizaje explorando nuestra biblioteca de recursos a continuación.

Las cuatro áreas de la educación de 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 de ML. Para ayudarlo en su camino, hemos identificado libros, videos y cursos en línea que mejorarán sus habilidades y lo prepararán para usar ML para sus proyectos. Comience con nuestros currículos guiados diseñados para aumentar su conocimiento, o elija su propio camino explorando nuestra biblioteca de recursos.

  • Habilidades de codificación: la creación de modelos de ML implica mucho más que solo conocer los 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 matemática intensa, por lo que si planea modificar modelos de ML o crear 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 salga mal.

  • Cree sus propios proyectos: Obtener experiencia práctica con ML es la mejor manera de poner a prueba sus conocimientos, así que no tenga miedo de sumergirse temprano con una simple colaboración o tutorial para practicar un poco.

Currículos de TensorFlow

Comience a aprender con uno de nuestros currículos guiados que contienen cursos, libros y videos recomendados.

Para principiantes
Conceptos básicos del aprendizaje automático con TensorFlow

Aprenda los conceptos básicos de ML con esta colección de libros y cursos en línea. Se le presentará ML y se le guiará a través del aprendizaje profundo utilizando TensorFlow 2.0. Entonces tendrás la oportunidad de practicar lo que aprendes con tutoriales para principiantes.

Para nivel intermedio y expertos
Machine learning teórico y avanzado con TensorFlow

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.

Para principiantes
TensorFlow para el desarrollo de JavaScript

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 de ML.

Libros
Cursos online
conceptos matematicos
recursos del TF
IA centrada en el ser humano

Libros

La lectura es una de las mejores maneras de comprender los fundamentos de ML y el aprendizaje profundo. Los libros pueden brindarle la comprensión teórica necesaria para ayudarlo a aprender nuevos conceptos más rápidamente en el futuro.

Inteligencia artificial y aprendizaje automático para programadores
por Laurence Moroney

Este libro introductorio proporciona un enfoque basado en el código para aprender a implementar los escenarios de ML 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 e integrados.

Aprendizaje profundo con Python
por François Chollet

Este libro es una introducción práctica al aprendizaje profundo con Keras.

Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow
por Aurelien Geron

Con ejemplos concretos, teoría mínima y dos marcos de Python listos para la producción (Scikit-Learn y TensorFlow), este libro lo ayuda a obtener una comprensión intuitiva de los conceptos y las herramientas para crear sistemas inteligentes.

Aprendizaje profundo
por Ian Goodfellow, Yoshua Bengio y Aaron Courville

Este libro de texto de aprendizaje profundo es un recurso destinado a ayudar a los estudiantes y profesionales a ingresar al campo del aprendizaje automático en general y al aprendizaje profundo en particular.

Libre
ver libro
Redes Neuronales y Aprendizaje Profundo
por Michael Nielsen

Este libro proporciona una base teórica sobre las redes neuronales. No usa TensorFlow, pero es una gran referencia para los estudiantes interesados ​​en aprender más.

Libre
ver libro
Aprendiendo TensorFlow.js
por Gant Laborde

Un enfoque práctico e integral 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.

Aprendizaje profundo con JavaScript
por Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet

Escrito por los principales autores de la biblioteca TensorFlow, este libro proporciona fascinantes casos de uso e instrucciones detalladas para aplicaciones de aprendizaje profundo en JavaScript en su navegador o en Node.

Cursos online

Tomar un curso en línea de varias partes es una buena manera de aprender los conceptos básicos de ML. Muchos cursos brindan excelentes explicaciones visuales y las herramientas necesarias para comenzar a aplicar el aprendizaje automático directamente en el trabajo o con sus proyectos personales.

Introducción a TensorFlow para IA, ML y aprendizaje profundo

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.

Introducción a TensorFlow para aprendizaje profundo

En este curso en línea desarrollado por el equipo de TensorFlow y Udacity, aprenderá a crear aplicaciones de aprendizaje profundo con TensorFlow.

Libre
Ver curso
Especialización para desarrolladores de TensorFlow

En esta especialización de cuatro cursos impartida por un desarrollador de TensorFlow, explorará las herramientas y los desarrolladores de software que usan para crear algoritmos escalables con tecnología de IA en TensorFlow.

Curso intensivo de aprendizaje automático

El Curso intensivo de aprendizaje automático con las API de TensorFlow es una guía de autoaprendizaje para los aspirantes a profesionales del aprendizaje automático. Cuenta con una serie de lecciones con conferencias en video, estudios de casos del mundo real y ejercicios prácticos.

Libre
Ver curso
MIT 6.S191: Introducción al aprendizaje profundo

En este curso del MIT, obtendrá conocimientos básicos sobre algoritmos de aprendizaje profundo y obtendrá experiencia práctica en la creación de redes neuronales en TensorFlow.

Libre
Ver curso
Especialización en aprendizaje profundo

En cinco cursos, aprenderá los fundamentos del aprendizaje profundo, comprenderá cómo construir redes neuronales y aprenderá a liderar proyectos exitosos de aprendizaje automático y construir una carrera en IA. No solo dominará la teoría, sino que también verá cómo se aplica en la industria.

TensorFlow: especialización en implementación y datos

Ha aprendido a construir y entrenar modelos. Ahora aprenda a navegar por varios escenarios de implementación y use los datos de manera más efectiva para entrenar su modelo en esta especialización de cuatro cursos.

TensorFlow: Especialización en Técnicas Avanzadas

Esta especialización es para ingenieros de software y ML con una comprensión básica de TensorFlow que buscan expandir su conocimiento y conjunto de habilidades aprendiendo características avanzadas de TensorFlow para construir modelos poderosos.

Fundamentos de Google AI para el aprendizaje automático basado en la web

Aprenda cómo puede obtener más atención en su investigación de vanguardia o brindar superpoderes en sus aplicaciones web en el trabajo futuro para sus clientes o la empresa para la que trabaja con el aprendizaje automático basado en la web.

conceptos matematicos

Para profundizar en su conocimiento de ML, estos recursos pueden ayudarlo a comprender los conceptos matemáticos subyacentes necesarios para avanzar a un nivel superior.

Una introducción amigable al álgebra lineal para ML

Una vista panorámica del álgebra lineal para el aprendizaje automático. ¿Nunca has tomado 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.

Especialización en Matemáticas para Aprendizaje Automático

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.

Aprendizaje profundo
por 3Blue1Brown

3blue1brown se centra en la presentación de 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.

Libre
Ver serie
Esencia del Álgebra Lineal
por 3Blue1Brown

Una serie de videos visuales breves de 3blue1brown que explican la comprensión geométrica de matrices, determinantes, elementos propios y más.

Libre
Ver serie
Esencia de cálculo
por 3Blue1Brown

Una serie de videos breves y visuales de 3blue1brown que explican los fundamentos del cálculo de una manera que le brinda una sólida comprensión de los teoremas fundamentales, y no solo cómo funcionan las ecuaciones.

Libre
Ver serie
MIT 18.06: Álgebra lineal

Este curso introductorio del MIT cubre la teoría de matrices y el álgebra lineal. Se enfatizan los temas que serán útiles en otras disciplinas, incluidos los sistemas de ecuaciones, los espacios vectoriales, los determinantes, los valores propios, la similitud y las matrices definidas positivas.

Libre
Ver curso
MIT 18.01: Cálculo de variable única

Este curso introductorio de cálculo del MIT cubre la diferenciación e integración de funciones de una variable, con aplicaciones.

Libre
Ver curso
Ver la teoría
por Daniel Kunin, Jingru Guo, Tyler Dae Devlin, Daniel Xiang

Una introducción visual a la probabilidad y la estadística.

Una introducción al aprendizaje estadístico
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 conjuntos de datos necesarios para entrenar modelos en aprendizaje automático.

Libre
ver libro

Recursos de TensorFlow

Hemos reunido nuestros recursos favoritos para ayudarlo a comenzar con las bibliotecas y los marcos de trabajo 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 últimos ejemplos y colaboraciones.

Fundamentos de aprendizaje automático

Machine Learning Foundations es un curso de capacitación gratuito en el que aprenderá los fundamentos de la creación de modelos de aprendizaje automático con TensorFlow.

Libre
Ver serie
TensorFlow desde cero

Esta charla técnica de 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 usar API de alto nivel).

Introducción al aprendizaje profundo

Esta charla técnica de ML incluye aprendizaje de representación, familias de redes neuronales y sus aplicaciones, un primer vistazo dentro de una red neuronal profunda y muchos ejemplos de código y conceptos de TensorFlow.

Codificación TensorFlow

En esta serie, el equipo de TensorFlow analiza varias partes de TensorFlow desde una perspectiva de codificación, con videos para el uso de las API de alto nivel de TensorFlow, el procesamiento del lenguaje natural, el aprendizaje estructurado neuronal y más.

Libre
Ver serie
Detectar y resolver problemas cotidianos con aprendizaje automático

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 incorporarlos rápidamente en su aplicación con herramientas fáciles de usar.

para JavaScript

Explore los recursos más recientes en TensorFlow.js .

Aprendiendo TensorFlow.js
por Gant Laborde

Un enfoque práctico e integral 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.

Primeros pasos con TensorFlow.js por TensorFlow

Una serie de 3 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.

Libre
Ver serie
Google AI para desarrolladores de JavaScript con TensorFlow.js

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.

Libre
Ver curso
TensorFlow.js: serie de inteligencia y aprendizaje
por El tren de la codificación

Esta lista de reproducción de videos, que forma parte de una serie más amplia sobre el aprendizaje automático y la creación de redes neuronales, se centra en TensorFlow.js, la API central, y en cómo usar la biblioteca de JavaScript para entrenar e implementar modelos de aprendizaje automático.

Libre
Ver serie

Para dispositivos móviles e IoT

Explore los recursos más recientes en TensorFlow Lite .

Aprendizaje automático en el dispositivo

Aprenda a crear su primera aplicación ML 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.

Introducción a TensorFlow Lite

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.

Libre
Ver curso

para producción

Explore los últimos recursos en TFX .

Ingeniería de ML para implementaciones de ML de producción con TFX

Obtenga una mirada práctica sobre cómo armar un sistema de canalización de producción con TFX. Cubriremos rápidamente todo, desde la adquisición de datos, la creación de modelos, hasta la implementación y la administración.

Creación de canalizaciones de aprendizaje automático
por Hannes Hapke, Catherine Nelson

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.

Especialización en ingeniería de aprendizaje automático para producción (MLOps)

Expanda sus capacidades de ingeniería de producción en esta especialización de cuatro cursos. Aprenda a conceptualizar, construir y mantener sistemas integrados que operan continuamente en producción.

Canalizaciones de aprendizaje automático en Google Cloud

Este curso avanzado cubre los componentes de TFX, la orquestación y automatización de canalizaciones y cómo administrar los metadatos de ML con Google Cloud.

IA centrada en el ser humano

Al diseñar un modelo de ML o crear aplicaciones impulsadas por IA, es importante tener en cuenta a las personas que interactúan con el producto y la mejor manera de generar equidad, interpretabilidad, privacidad y seguridad en estos sistemas de IA.

Prácticas responsables de IA

Aprenda a integrar prácticas de IA responsable en su flujo de trabajo de ML con TensorFlow.

Guía de personas + IA

Esta guía de Google lo ayudará a crear productos de IA centrados en el ser humano. Le permitirá evitar errores comunes, diseñar experiencias excelentes y concentrarse en las personas a medida que crea aplicaciones impulsadas por IA.

Introducción a la equidad en el módulo de aprendizaje automático

Este módulo de una hora dentro del MLCC de Google presenta a los alumnos diferentes tipos de sesgos humanos que pueden manifestarse en los datos de entrenamiento, así como estrategias para identificar y evaluar sus efectos.