Google se compromete a promover la equidad racial para las comunidades negras. Ver cómo.

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.

  • Habilidades de codificación: La compilación de modelos de AA implica mucho más que simplemente conocer conceptos de AA; es necesario codificar para realizar la administración de los datos, el ajuste de parámetros y el análisis de los resultados necesarios para probar y optimizar tu modelo.

  • Matemática y estadística: El AA es una disciplina basada en la matemática; por eso, si planeas modificar modelos de AA o compilar modelos nuevos desde cero, es fundamental para el proceso que estés familiarizado con los conceptos matemáticos subyacentes.

  • Teoría del AA: Conocer los conceptos básicos de la teoría del AA te proporcionará una base para progresar y te ayudará a solucionar problemas cuando algo sale mal.

  • Compila tus propios proyectos: Obtener experiencia práctica con el AA es la mejor manera de poner tu conocimiento a prueba; por eso, no tengas miedo de sumergirte enseguida con un simple Colab o un instructivo para adquirir práctica.

Capacitaciones de TensorFlow

Comienza a aprender con alguna de nuestras capacitaciones guiadas que incluyen cursos, videos y libros recomendados.

Para principiantes
Conceptos básicos del aprendizaje automático con TensorFlow

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.

Para usuarios de nivel intermedio y expertos
Aprendizaje automático teórico y avanzado con TensorFlow

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.

Para principiantes
Programa especializado: Conceptos básicos de TensorFlow para el desarrollo en JavaScript

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.

Libros
Deep Learning with Python, por Francois Chollet

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

Libros
Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow, 2ª edición, por Aurélien Géron

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.

Libros
Deep Learning, por Ian Goodfellow, Yoshua Bengio y Aaron Courville, publicado por MIT Press

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.

Libros
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.

Libros
Deep Learning with JavaScript por Shanqing Cai, Stanley Bileschi y Eric D. Nielsen con Francois Chollet

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.

Cursos de introducción en línea
deeplearning.ai: Programa especializado TensorFlow: Data and Deployment

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.

Cursos de introducción en línea
deeplearning.ai: Introducción a TensorFlow para IA, AA y aprendizaje profundo

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.

Cursos de introducción en línea
Udacity: Introducción a TensorFlow para el aprendizaje profundo

En este curso en línea que desarrollaron el equipo de TensorFlow y Udacity, aprenderás a compilar aplicaciones de aprendizaje profundo con TensorFlow.

Cursos de introducción en línea
deeplearning.ai: Programa especializado TensorFlow in Practice

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.

Cursos de introducción en línea
deeplearning.ai: Programa especializado Deep Learning

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.

Cursos de introducción en línea
Curso CS231n de Stanford: Redes neuronales convolucionales para el reconocimiento visual

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.

Cursos de introducción en línea
Curso 6.S191 del MIT: Introducción al aprendizaje profundo

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.

Cursos de introducción en línea
Deep Learning in JS por Ashi Krishnan

Usa deeplearn.js para descubrir cómo aprenden los sistemas de aprendizaje profundo y analizar cómo piensan.

Gratis
Reloj  
Cursos de introducción en línea
Comienza a usar 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 muestra cómo crear un modelo de aprendizaje automático en JavaScript que se ejecute directamente en el navegador.

Gratis
Reloj  
Cursos de introducción en línea
TensorFlow.js: Serie de inteligencia y aprendizaje por Coding Train

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.

Gratis
Reloj  
Cursos de introducción en línea
Aprendizaje profundo de TensorFlow.js con JavaScript por Deeplizard

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.

Gratis
Reloj  
Cursos de introducción en línea
TensorFlow Extended: Aprendizaje automático real en producción

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.

Gratis
Reloj  
Cursos de introducción en línea
Aprendizaje automático en tu dispositivo: Las opciones (Google I/O 2019)

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.

Gratis
Reloj  

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.

Conceptos de matemática
Curso intensivo de aprendizaje automático de Google Developers

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.

Conceptos de matemática
Coursera: "Programa especializado: Matemática aplicada al aprendizaje automático"

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.

Conceptos de matemática
Aprendizaje profundo, por 3Blue1Brown

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.

Gratis
Reloj  
Conceptos de matemática
Essence of Linear Algebra, por 3Blue1Brown

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.

Gratis
Reloj  
Conceptos de matemática
Essence of Calculus, por 3Blue1Brown

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.

Gratis
Reloj  
Conceptos de matemática
Curso 18.06 del MIT: Álgebra lineal

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.

Conceptos de matemática
Curso 18.01 del MIT: Cálculo con una sola variable

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

Conceptos de matemática
Ver la teoría

Una introducción visual a la probabilidad y la estadística.

Conceptos de matemática
An Introduction to Statistical Learning, with Applications in R, por James, G.; Witten, D.; Hastie, T. y Tibshirani, R.

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.

IA centrada en las personas
Guía People + AI Guidebook (guía sobre personas + 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.

IA centrada en las personas
Prácticas de IA responsable

Aprende sobre las prácticas recomendadas de IA de Google para generar equidad, interpretabilidad, privacidad y seguridad en los sistemas de IA.

IA centrada en las personas
Módulo de Introducción a la equidad en el aprendizaje automático

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.