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.
Currículos de TensorFlow
Comience a aprender con uno de nuestros currículos 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 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.
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 de ML.
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.
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.
Este libro es una introducción práctica al aprendizaje profundo con Keras.
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.
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.
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.
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.
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.
DeepLearning.AI
Introducción a TensorFlow para IA, ML y aprendizaje profundoDesarrollado 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 este curso en línea desarrollado por el equipo de TensorFlow y Udacity, aprenderá a crear aplicaciones de aprendizaje profundo con TensorFlow.
DeepLearning.AI
Especialización para desarrolladores de TensorFlowEn 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.
Desarrolladores de Google
Curso intensivo de aprendizaje automáticoEl 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.
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.
DeepLearning.AI
Especialización en aprendizaje profundoEn 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.
DeepLearning.AI
TensorFlow: especialización en implementación y datosHa 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.
DeepLearning.AI
TensorFlow: Especialización en Técnicas AvanzadasEsta 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.
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 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.
Colegio Imperial de Londres
Especialización en Matemáticas para Aprendizaje AutomáticoEsta 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 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.
Una serie de videos visuales breves de 3blue1brown que explican la comprensión geométrica de matrices, determinantes, elementos propios y más.
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.
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.
Este curso introductorio de cálculo del MIT cubre la diferenciación e integración de funciones de una variable, con aplicaciones.
Una introducción visual a la probabilidad y la estadística.
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.
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.
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.
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).
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.
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.
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 .
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.
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.
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 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.
Para dispositivos móviles e IoT
Explore los recursos más recientes en TensorFlow Lite .
Desarrolladores de Google
Aprendizaje automático en el dispositivoAprenda 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.
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.
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.
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.
DeepLearning.AI
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.
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.
Aprenda a integrar prácticas de IA responsable en su flujo de trabajo de ML con TensorFlow.
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.
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.