Desarrollador DeepLearning.AI TensorFlow
Aprenda a crear aplicaciones de IA con TensorFlow
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 192 h
16 unidades
Nivel intermedio
Qué aprenderás
Lo que serás capaz de hacer
TensorFlow es uno de los marcos de aprendizaje profundo de código abierto más demandados y populares de la actualidad. El programa DeepLearning.AI TensorFlow Developer Professional Certificate le enseña habilidades aplicadas de aprendizaje automático con TensorFlow para que pueda construir y entrenar modelos potentes. En este programa práctico de cuatro cursos Professional Certificate, aprenderá las herramientas necesarias para construir aplicaciones escalables potenciadas por IA con TensorFlow. Tras finalizar este programa, podrá aplicar sus nuevos conocimientos de TensorFlow a una amplia gama de problemas y proyectos. Este programa puede ayudarle a prepararse para el examen del Certificado Google TensorFlow y acercarle un paso más a la obtención del Certificado Google TensorFlow. ¿Listo para desplegar sus modelos en el mundo? Aprenda a poner en marcha sus modelos con la especialización TensorFlow: Datos y despliegue. ¿Busca personalizar y construir potentes modelos del mundo real para escenarios complejos? Eche un vistazo a la Especialización TensorFlow: Técnicas Avanzadas.
- Mejores prácticas para TensorFlow, un popular marco de aprendizaje automático de código abierto para entrenar una red neuronal para aplicaciones de visión por ordenador.
- Maneje datos de imágenes del mundo real y explore estrategias para evitar el sobreajuste, incluidos el aumento y el abandono.
- Construya sistemas de procesamiento del lenguaje natural utilizando TensorFlow.
- Aplique RNNs, GRUs y LSTMs a medida que los entrena utilizando repositorios de texto.
Habilidades que desarrollarás
Tensorflow
Redes neuronales recurrentes (RNNs)
Redes neuronales convolucionales
Visión por computadora
Evaluación de modelos
Aprendizaje por transferencia
Keras (biblioteca de redes neuronales)
Procesamiento de lenguaje natural
Análisis y pronóstico de series de tiempo
Aprendizaje profundo
Representaciones vectoriales
Redes neuronales artificiales
Entrenamiento de modelos
Aprendizaje automático aplicado
Algoritmos de clasificación
Modelado predictivo
Preprocesamiento de datos
Optimización de modelos
Elaboración de pronósticos
Aprendizaje automático
Temario
UNIDAD 1 - Un nuevo paradigma de programación · 17 leccionesIntroducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 1 - Un nuevo paradigma de programación
UNIDAD 1 - Un nuevo paradigma de programación · 17 lecciones
Introducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 1 - Un nuevo paradigma de programación
- Introducción: Una conversación con Andrew Ng
- ¡Bienvenido al curso!
- Un manual de aprendizaje automático
- El 'Hola Mundo' de las redes neuronales
- Encuesta de admisión
- ¡Join the DeepLearning.IA Forum to ask questions, get support, or share amazing ideas!
- De las normas a los datos
- Trabajando a través de 'Hola Mundo' en TensorFlow y Python
- Acerca de los Notebooks de este curso
- Empiece a utilizar Google Colaboratory (Codificación de TensorFlow)
- Pruébelo usted mismo (Laboratorio 1)
- Cuestionario de la semana 1
- Notas de clase Semana 1
- Consejos para solucionar problemas de asignación
- (Opcional) Descarga de su cuaderno y actualización de su espacio de trabajo
- Precios de la vivienda
- Recursos de la semana 1
UNIDAD 2 - Introducción a la visión por ordenador · 14 leccionesIntroducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 2 - Introducción a la visión por ordenador
UNIDAD 2 - Introducción a la visión por ordenador · 14 lecciones
Introducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 2 - Introducción a la visión por ordenador
- Una conversación con Andrew Ng
- Una introducción a la visión por ordenador
- Explorar cómo utilizar los datos
- Escribir código para cargar los datos de entrenamiento
- Etiquetado de los datos MNIST de moda
- Codificación de una red neuronal de visión por ordenador
- Paseo por un cuaderno para visión por ordenador
- Póngase manos a la obra con la visión por ordenador (Laboratorio 1)
- Uso de devoluciones de llamada para controlar la formación
- Vea cómo implementar las devoluciones de llamada (Laboratorio 2)
- Recorrer un cuaderno con Callbacks
- Cuestionario de la semana 2
- Notas de clase Semana 2
- Implementación de callbacks en TensorFlow utilizando el conjunto de datos MNIST
UNIDAD 3 - Mejorar la visión con redes neuronales convolucionales · 13 leccionesIntroducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 3 - Mejorar la visión con redes neuronales convolucionales
UNIDAD 3 - Mejorar la visión con redes neuronales convolucionales · 13 lecciones
Introducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 3 - Mejorar la visión con redes neuronales convolucionales
- Una conversación con Andrew Ng
- ¿Qué son las convoluciones y la puesta en común?
- Convoluciones de codificación y capas de agrupamiento
- Implementación de capas convolucionales
- Más información sobre las circunvoluciones
- Implementación de capas de agrupamiento
- Mejora del clasificador de moda con convoluciones
- Pruébelo usted mismo (Laboratorio 1)
- Caminando entre circunvoluciones
- Experimente con filtros y piscinas (Laboratorio 2)
- Cuestionario de la semana 3
- Notas de clase Semana 3
- Mejorar MNIST con convoluciones
UNIDAD 4 - Utilizar imágenes del mundo real · 20 leccionesIntroducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 4 - Utilizar imágenes del mundo real
UNIDAD 4 - Utilizar imágenes del mundo real · 20 lecciones
Introducción a TensorFlow para inteligencia artificial, aprendizaje automático y aprendizaje profundo - UNIDAD 4 - Utilizar imágenes del mundo real
- Una conversación con Andrew Ng
- Explore una solución impactante del mundo real
- Comprender la API tf.data
- Definir una ConvNet para utilizar imágenes complejas
- Entrenamiento de la ConvNet
- Recorrido por el desarrollo de una ConvNet
- Entrenamiento de la red neuronal
- Recorrido por el entrenamiento de la ConvNet
- Experimente con el clasificador de caballos o humanos (Laboratorio 1)
- Añadir la validación automática a la precisión de las pruebas
- Póngase manos a la obra y utilice la validación (Laboratorio 2)
- Explorar el impacto de la compresión de imágenes
- Póngase manos a la obra con las imágenes compactadas (Laboratorio 3)
- Cuestionario de la semana 4
- Notas de clase Semana 4
- [IMPORTANTE] Recordatorio sobre el fin del acceso a los cuadernos de laboratorio
- Manejo de imágenes complejas
- Conclusión
- Una conversación con Andrew
- Agradecimientos
UNIDAD 5 - Explorar un conjunto de datos más amplio · 19 leccionesRedes neuronales convolucionales en TensorFlow - UNIDAD 5 - Explorar un conjunto de datos más amplio
UNIDAD 5 - Explorar un conjunto de datos más amplio · 19 lecciones
Redes neuronales convolucionales en TensorFlow - UNIDAD 5 - Explorar un conjunto de datos más amplio
- Introducción: Una conversación con Andrew Ng
- ¡Bienvenido al curso!
- Una conversación con Andrew Ng
- El conjunto de datos gatos vs perros
- Entrenamiento con el conjunto de datos gatos vs. perros
- Acerca de los Notebooks de este curso
- Mirando el cuaderno (Laboratorio 1)
- Trabajar a través del cuaderno
- Fijación mediante recorte
- Visualización del efecto de las circunvoluciones
- Observar la precisión y la pérdida
- ¿Qué hemos visto hasta ahora?
- Cuestionario de la semana 1
- Resumen de la 1ª semana
- ¡Join the DeepLearning.IA Forum to ask questions, get support, or share amazing ideas!
- Notas de clase Semana 1
- Consejos para solucionar problemas de asignación
- (Opcional) Descarga de su cuaderno y actualización de su espacio de trabajo
- Gatos vs Perros
UNIDAD 6 - Aumento: Una técnica para evitar el sobreajuste · 15 leccionesRedes neuronales convolucionales en TensorFlow - UNIDAD 6 - Aumento: Una técnica para evitar el sobreajuste
UNIDAD 6 - Aumento: Una técnica para evitar el sobreajuste · 15 lecciones
Redes neuronales convolucionales en TensorFlow - UNIDAD 6 - Aumento: Una técnica para evitar el sobreajuste
- Una conversación con Andrew Ng
- Aumento de la imagen
- Introducción al aumento
- Empiece a codificar...
- Aumento de la codificación con la API de capas
- Mirando el cuaderno (Laboratorio 1)
- Demostración del sobreajuste en gatos frente a perros
- Aumento de los gatos frente a los perros
- ¡Aumento de la imagen con caballos frente a humanos! (Laboratorio 2)
- Exploración del aumento con caballos frente a humanos
- ¿Qué ha visto hasta ahora?
- Cuestionario de la semana 2
- Resumen de la 2ª semana
- Notas de clase Semana 2
- Gatos contra perros con aumento de datos
UNIDAD 7 - Aprendizaje por transferencia · 14 leccionesRedes neuronales convolucionales en TensorFlow - UNIDAD 7 - Aprendizaje por transferencia
UNIDAD 7 - Aprendizaje por transferencia · 14 lecciones
Redes neuronales convolucionales en TensorFlow - UNIDAD 7 - Aprendizaje por transferencia
- Una conversación con Andrew Ng
- Comprender el aprendizaje por transferencia: los conceptos
- Codificación del aprendizaje por transferencia a partir del modelo inicial
- Añadir su DNN
- Codificar su propio modelo con funciones transferidas
- ¡Usando el abandono!
- Explorar los abandonos
- Aplicación del aprendizaje por transferencia a gatos y perros (Laboratorio 1)
- Explorar el aprendizaje por transferencia con Inception
- ¿Qué ha visto hasta ahora?
- Cuestionario de la semana 3
- Resumen de la 3ª semana
- Notas de clase Semana 3
- Aprendizaje por transferencia - Caballos o humanos
UNIDAD 8 - Clasificaciones multiclase · 16 leccionesRedes neuronales convolucionales en TensorFlow - UNIDAD 8 - Clasificaciones multiclase
UNIDAD 8 - Clasificaciones multiclase · 16 lecciones
Redes neuronales convolucionales en TensorFlow - UNIDAD 8 - Clasificaciones multiclase
- Una conversación con Andrew Ng
- Pasar de la clasificación binaria a la multiclase
- Presentación del conjunto de datos Piedra-Papel-Tijeras
- Explorar multiclase con el conjunto de datos Piedra Papel Tijeras
- ¡Compruebe el código! (Laboratorio 1)
- Entrenar un clasificador con Piedra Papel Tijeras
- Pruebe el clasificador
- Pruebe el clasificador Piedra Papel Tijeras
- ¿Qué ha visto hasta ahora?
- Cuestionario de la semana 4
- Notas de clase Semana 4
- [IMPORTANTE] Recordatorio sobre el fin del acceso a los cuadernos de laboratorio
- Clasificación: Más allá de dos clases
- Conclusión
- Una conversación con Andrew Ng
- Agradecimientos
UNIDAD 9 - Sentimiento en el texto · 25 leccionesProcesamiento del lenguaje natural en TensorFlow - UNIDAD 9 - Sentimiento en el texto
UNIDAD 9 - Sentimiento en el texto · 25 lecciones
Procesamiento del lenguaje natural en TensorFlow - UNIDAD 9 - Sentimiento en el texto
- Introducción: Una conversación con Andrew Ng
- ¡Bienvenido al curso!
- Introducción
- Codificaciones basadas en palabras
- Uso de las API
- Acerca de los Notebooks de este curso
- ¡Compruebe el código! (Laboratorio 1)
- Cuaderno para la lección 1
- Texto a secuencia
- Acolchado
- Palabras fuera de vocabulario
- ¡Compruebe el código! (Laboratorio 2)
- Cuaderno para la lección 2
- Sarcasmo, ¿en serio?
- Preprocesamiento del conjunto de datos sobre sarcasmo
- Conjunto de datos de titulares de noticias para la detección del sarcasmo
- ¡Compruebe el código! (Laboratorio 3)
- Cuaderno para la lección 3
- Cuestionario de la semana 1
- Resumen de la 1ª semana
- ¡Join the DeepLearning.IA Forum to ask questions, get support, or share amazing ideas!
- Notas de clase Semana 1
- Consejos para solucionar problemas de asignación
- (Opcional) Descarga de su cuaderno y actualización de su espacio de trabajo
- Explore el archivo de noticias de la BBC
UNIDAD 10 - Incrustación de palabras · 21 leccionesProcesamiento del lenguaje natural en TensorFlow - UNIDAD 10 - Incrustación de palabras
UNIDAD 10 - Incrustación de palabras · 21 lecciones
Procesamiento del lenguaje natural en TensorFlow - UNIDAD 10 - Incrustación de palabras
- Una conversación con Andrew Ng
- Introducción
- El conjunto de datos IMDB
- Conjunto de datos de reseñas de IMDB
- Analizando los detalles
- ¿Cómo podemos utilizar los vectores?
- Más en detalle
- ¡Compruebe el código! (Laboratorio 1)
- Cuaderno para la lección 1
- ¿Recuerda el conjunto de datos sobre sarcasmo?
- Creación de un clasificador para el conjunto de datos sobre sarcasmo
- Hablemos de la pérdida
- ¡Compruebe el código! (Laboratorio 2)
- Tokenización de subpalabras
- Profundizar en el código
- Tokenización de subpalabras
- ¡Compruebe el código! (Laboratorio 3)
- Cuestionario de la semana 2
- Resumen de la 2ª semana
- Notas de clase Semana 2
- Profundizando en el archivo de BBC News
UNIDAD 11 - Modelos de secuencia · 22 leccionesProcesamiento del lenguaje natural en TensorFlow - UNIDAD 11 - Modelos de secuencia
UNIDAD 11 - Modelos de secuencia · 22 lecciones
Procesamiento del lenguaje natural en TensorFlow - UNIDAD 11 - Modelos de secuencia
- Una conversación con Andrew Ng
- Introducción
- Enlace al curso de modelado de secuencias de Andrew
- LSTMs
- Más información sobre los LSTM
- Implementación de los LSTM en código
- ¡Compruebe el código! (Laboratorio 1)
- ¡Compruebe el código! (Laboratorio 2)
- Precisión y pérdida
- Unas palabras de Laurence
- Buscando en el código
- Utilizar una red convolucional
- ¡Compruebe el código! (Laboratorio 3)
- Volviendo al conjunto de datos IMDB
- ¡Compruebe el código! (Laboratorio 4)
- Consejos de Laurence
- Exploración de un LSTM bidireccional (Laboratorio 5)
- Exploración de una Red Convolucional (Laboratorio 6)
- Cuestionario de la semana 3
- Resumen de la 3ª semana
- Notas de clase Semana 3
- Exploración del sobreajuste en PNL
UNIDAD 12 - Modelos de secuencia y bibliografía · 24 leccionesProcesamiento del lenguaje natural en TensorFlow - UNIDAD 12 - Modelos de secuencia y bibliografía
UNIDAD 12 - Modelos de secuencia y bibliografía · 24 lecciones
Procesamiento del lenguaje natural en TensorFlow - UNIDAD 12 - Modelos de secuencia y bibliografía
- Una conversación con Andrew Ng
- Introducción
- Buscando en el código
- Preparación de los datos de entrenamiento
- Más sobre los datos de formación
- Encontrar cuál debe ser la siguiente palabra
- Ejemplo
- Predecir una palabra
- ¡Compruebe el código! (Laboratorio 1)
- Cuaderno para la lección 1
- ¡Poesía!
- Enlace al conjunto de datos
- Buscando en el código
- ¡Laurence el poeta!
- ¡Compruebe el código! (Laboratorio 2)
- Su próxima tarea
- (opcional) Generación de texto mediante una RNN basada en caracteres
- Cuestionario de la semana 4
- Notas de clase Semana 4
- [IMPORTANTE] Recordatorio sobre el fin del acceso a los cuadernos de laboratorio
- Predecir la siguiente palabra
- Conclusión
- Una conversación con Andrew Ng
- Agradecimientos
UNIDAD 13 - Secuencias y predicción · 21 leccionesSecuencias, series temporales y predicción - UNIDAD 13 - Secuencias y predicción
UNIDAD 13 - Secuencias y predicción · 21 lecciones
Secuencias, series temporales y predicción - UNIDAD 13 - Secuencias y predicción
- Introducción: Una conversación con Andrew Ng
- ¡Bienvenido al curso!
- Ejemplos de series temporales
- Aprendizaje automático aplicado a series temporales
- Patrones comunes en las series temporales
- Introducción a las series temporales
- Acerca de los Notebooks de este curso
- Introducción al cuaderno de series temporales (Laboratorio 1)
- Conjuntos de entrenamiento, validación y prueba
- Métricas para evaluar el rendimiento
- Media móvil y diferenciación
- Ventanas arrastradas frente a centradas
- Previsión
- Cuaderno de previsiones (Laboratorio 2)
- Cuestionario de la semana 1
- Resumen de la 1ª semana
- ¡Join the DeepLearning.IA Forum to ask questions, get support, or share amazing ideas!
- Notas de clase Semana 1
- Consejos para solucionar problemas de asignación
- (Opcional) Descarga de su cuaderno y actualización de su espacio de trabajo
- Trabajar con series temporales generadas
UNIDAD 14 - Redes neuronales profundas para series temporales · 17 leccionesSecuencias, series temporales y predicción - UNIDAD 14 - Redes neuronales profundas para series temporales
UNIDAD 14 - Redes neuronales profundas para series temporales · 17 lecciones
Secuencias, series temporales y predicción - UNIDAD 14 - Redes neuronales profundas para series temporales
- Una conversación con Andrew Ng
- Preparación de características y etiquetas
- Preparación de características y etiquetas (screencast)
- Preparación del cuaderno de características y etiquetas (Laboratorio 1)
- Alimentación del conjunto de datos con ventanas a la red neuronal
- Red neuronal monocapa
- Aprendizaje automático en ventanas de tiempo
- Predicción
- Más sobre la red neuronal monocapa
- Cuaderno de redes neuronales monocapa (Laboratorio 2)
- Entrenamiento, ajuste y predicción de redes neuronales profundas
- Red neuronal profunda
- Cuaderno de redes neuronales profundas (Laboratorio 3)
- Cuestionario de la semana 2
- Resumen de la 2ª semana
- Notas de clase Semana 2
- Predicción mediante redes neuronales
UNIDAD 15 - Redes neuronales recurrentes para series temporales · 16 leccionesSecuencias, series temporales y predicción - UNIDAD 15 - Redes neuronales recurrentes para series temporales
UNIDAD 15 - Redes neuronales recurrentes para series temporales · 16 lecciones
Secuencias, series temporales y predicción - UNIDAD 15 - Redes neuronales recurrentes para series temporales
- Semana 3 - Una conversación con Andrew Ng
- Panorama conceptual
- Forma de las entradas a la RNN
- Salida de una secuencia
- Capas lambda
- Ajuste dinámico del ritmo de aprendizaje
- Más información sobre la pérdida de Huber
- Cuaderno RNN (Laboratorio 1)
- LSTM
- Enlace a la lección LSTM
- Codificación de LSTM
- LSTM notebook (Laboratorio 2)
- Cuestionario de la semana 3
- Resumen de la 3ª semana
- Notas de clase Semana 3
- Previsión mediante RNNs o LSTMs
UNIDAD 16 - Datos de series temporales del mundo real · 24 leccionesSecuencias, series temporales y predicción - UNIDAD 16 - Datos de series temporales del mundo real
UNIDAD 16 - Datos de series temporales del mundo real · 24 lecciones
Secuencias, series temporales y predicción - UNIDAD 16 - Datos de series temporales del mundo real
- Semana 4 - Una conversación con Andrew Ng
- Convoluciones
- Curso de redes neuronales convolucionales
- LSTM bidireccionales
- Más sobre el dimensionamiento de lotes
- Convoluciones con cuaderno LSTM (Laboratorio 1)
- Convoluciones con LSTM
- Datos reales - manchas solares
- Entrenar y afinar el modelo
- Predicción
- Cuadernos de las manchas solares (Laboratorio 2 y Laboratorio 3)
- Manchas solares
- Combinar nuestras herramientas de análisis
- Cuestionario de la semana 4
- Notas de clase Semana 4
- [IMPORTANTE] Recordatorio sobre el fin del acceso a los cuadernos de laboratorio
- Añadir CNN para mejorar las previsiones
- Conclusión
- ¡Felicidades!
- Referencias
- Agradecimientos
- Specializations wrap up - Una conversación con Andrew Ng
- ¿Y ahora qué?
- (Opcional) Oportunidad de ser mentor de otros alumnos
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
16 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
16 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por DeepLearning.AI.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 16 unidades · 298 lecciones · 192 h
- 12 meses de acceso
- 16 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por DeepLearning.AI; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
