Domina tu camino
Para convertirte en un experto del aprendizaje automático, lo primero que hace falta es tener una base sólida en cuatro áreas de aprendizaje: codificación, matemática, teoría del AA y cómo compilar tu propio proyecto de AA de principio a fin.
Comienza con las capacitaciones seleccionadas de TensorFlow para mejorar estas cuatro habilidades, o elige tu propia ruta de aprendizaje en nuestra biblioteca de recursos a continuación.
Las cuatro áreas de educación sobre aprendizaje automático
Cuando inicies tu ruta de aprendizaje, es importante que primero comprendas cómo aprender el AA. Dividimos el proceso de aprendizaje en cuatro áreas de conocimiento; cada una de ellas aporta una pieza fundamental del rompecabezas del AA. Para ayudarte en tu camino, identificamos libros, videos y cursos en línea que mejorarán tus habilidades y te permitirán prepararte para usar el AA en tus proyectos. Comienza con nuestras capacitaciones guiadas, que se diseñaron para aumentar tu conocimiento, o elige tu propio camino en nuestra biblioteca de recursos.
Capacitaciones de TensorFlow
Comienza a aprender con alguna de nuestras capacitaciones guiadas que incluyen cursos, videos y libros recomendados.
Aprende los conceptos básicos del AA con esta colección de libros y cursos en línea. Se hará una introducción al AA con scikit-learn, se te guiará a través del aprendizaje profundo con TensorFlow 2.0 y, luego, tendrás la posibilidad de practicar lo que aprendiste con instructivos para principiantes.
Una vez que comprendas los conceptos básicos del aprendizaje automático, sumérgete en la comprensión teórica de las redes neuronales y el aprendizaje profundo, y mejora tu conocimiento de los conceptos de matemática subyacentes para llevar tus habilidades al siguiente nivel.
Aprende los conceptos básicos del desarrollo de modelos de aprendizaje automático en JavaScript y cómo implementarlos directamente en el navegador. Obtendrás una introducción de alto nivel sobre el aprendizaje profundo y sobre cómo comenzar a usar TensorFlow.js mediante ejercicios prácticos.
Recursos educativos
Elige tu propio camino de aprendizaje y explora libros, cursos, videos y ejercicios recomendados por el equipo de TensorFlow para aprender los conceptos fundamentales del AA.
Libros
Leer es una de las mejores maneras de comprender las bases del AA y el aprendizaje profundo. Los libros te brindan la comprensión teórica necesaria para que en el futuro puedas aprender nuevos conceptos con más rapidez.
Este libro es una introducción práctica al aprendizaje profundo con Keras.
Con ejemplos concretos, muy poca teoría y dos frameworks de Python listos para la producción, Scikit-Learn y TensorFlow, este libro ayuda a obtener una comprensión intuitiva de los conceptos y las herramientas para construir sistemas inteligentes.
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.
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.
Este libro, escrito por los principales autores de la biblioteca de TensorFlow, presenta casos prácticos fascinantes así como instrucciones detalladas sobre las apps de aprendizaje profundo en JavaScript en tu navegador o en Node.
Cursos en línea con varias partes
Una buena manera de aprender los conceptos básicos del AA es hacer un curso de varias partes en línea. Muchos cursos ofrecen excelentes explicaciones visuales y las herramientas necesarias para comenzar a aplicar el aprendizaje automático directamente en el trabajo o en tus proyectos personales.
Ya aprendiste a compilar y entrenar modelos. Ahora aprende a navegar en varias situaciones de implementación y usar los datos con más eficacia para entrenar tu modelo en este Programa especializado de cuatro cursos.
Este curso, que se desarrolló en colaboración con el equipo de TensorFlow, forma parte del Programa especializado TensorFlow in Practice y te enseñará las prácticas recomendadas para el uso de esta biblioteca.
En este curso en línea que desarrollaron el equipo de TensorFlow y Udacity, aprenderás a compilar aplicaciones de aprendizaje profundo con TensorFlow.
En este Programa especializado, compuesto por cuatro cursos y dictado por un desarrollador de TensorFlow, explorarás las herramientas y el software que usan los desarrolladores para compilar algoritmos escalables con tecnología de IA en TensorFlow.
En cinco cursos, aprenderás los conceptos fundamentales del aprendizaje profundo, entenderás cómo compilar 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.
Este curso trata en detalle 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.
En este curso del MIT, obtendrás conocimientos básicos de los algoritmos del aprendizaje profundo y adquirirás experiencia práctica para compilar redes neuronales en TensorFlow.
Otros recursos
Para desarrolladores web y de dispositivos móviles, y para los usuarios que quieran compilar canalizaciones de producción, hemos reunido nuestros recursos favoritos a fin de ayudarlos a comenzar. Se incluyen las bibliotecas de TensorFlow y los frameworks específicos para sus necesidades.
Usa deeplearn.js para descubrir cómo aprenden los sistemas de aprendizaje profundo y analizar cómo piensan.
Una serie de 3 partes que explora tanto el entrenamiento como la ejecución de modelos de aprendizaje automático con TensorFlow.js, y muestra cómo crear un modelo de aprendizaje automático en JavaScript que se ejecute directamente en el navegador.
Esta lista de reproducción de videos, que forma parte de una serie más grande sobre el aprendizaje automático y la compilación de redes neuronales, se centra en TensorFlow.js, la API principal y cómo usar la biblioteca de JavaScript para el entrenamiento y la implementación de modelos de AA.
Esta serie introduce el concepto de redes neuronales artificiales del cliente. Aprende sobre la arquitectura del aprendizaje profundo del cliente y el servidor, cómo convertir los modelos de Keras en modelos TFJS, cómo entregar modelos con Node.js, cómo entrenar y transferir el aprendizaje en el navegador, y mucho más.
Una serie de cinco episodios realizada por el equipo de TensorFlow sobre cómo usar TensorFlow Extended (TFX) para crear tus propias canalizaciones de AA para producción.
Esta sesión de Google I/O desmitificará las múltiples opciones disponibles para usar el aprendizaje automático con el fin de mejorar las apps para dispositivos móviles y perimetrales. Aprende cómo se puede usar TensorFlow Lite para entrenar modelos y utilizarlos en una variedad de dispositivos.
Conceptos de matemática
Para profundizar el conocimiento del AA, estos recursos pueden ayudarte a comprender los conceptos de matemática subyacentes, que son necesarios para avanzar a un nivel más alto.
El Curso intensivo de aprendizaje automático con la API de TensorFlow es una guía de estudio autónoma para quienes aspiran a convertirse en profesionales del aprendizaje automático. Incluye una serie de lecciones con clases por video, casos de éxito reales y ejercicios prácticos.
Este Programa especializado en línea de Coursera tiene como objetivo cubrir la brecha entre las matemáticas y el aprendizaje automático, poniéndote al día en las matemáticas subyacentes para que generes una comprensión intuitiva y la relaciones con el aprendizaje automático y la ciencia de los datos.
3Blue1Brown se centra en presentar la matemática con un enfoque visual. En esta serie de videos, aprenderás las nociones básicas de una red neuronal y cómo trabaja con conceptos de matemática.
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.
Una serie de videos breves con imágenes de 3Blue1Brown que explican los conceptos básicos de cálculo de modo que comprendas en profundidad los teoremas fundamentales, y no solo el funcionamiento de las ecuaciones.
Este curso introductorio del MIT abarca la teoría de la matriz 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.
Este curso de introducción al cálculo del MIT abarca la diferenciación y la integración de funciones de una variable, con aplicaciones.
Una introducción visual a la probabilidad y la estadística.
Este libro presenta una descripción general accesible del campo del aprendizaje estadístico, un conjunto de herramientas esencial para comprender el vasto y complejo mundo de los conjuntos de datos necesarios para entrenar modelos en el aprendizaje automático.
IA centrada en las personas
Cuando se diseña un modelo de AA o se compila una aplicación con tecnología de IA, es importante tener en cuenta las personas que interactúan con el producto y la mejor manera de lograr equidad, interpretabilidad, privacidad y seguridad en estos sistemas de IA.
Esta guía de Google te ayudará a compilar productos de IA centrados en las personas. Te permitirá evitar errores comunes, diseñar experiencias excelentes y concentrarte en las personas mientras compilas aplicaciones basadas en la IA.
Aprende sobre las prácticas recomendadas de IA de Google para generar equidad, interpretabilidad, privacidad y seguridad en los sistemas de IA.
Este módulo de una hora del Curso intensivo de aprendizaje automático de Google es una introducción a los diferentes tipos de sesgos humanos que se pueden manifestar al entrenar los datos, así como a las estrategias para identificar y evaluar los efectos que producen.