• No hay productos en el carrito.

Inicio / Cursos / Tensorflow 2.0: Guía completa para el Nuevo Tensorflow
Impartido por SuperDataScience TeamPago único de $2,800 MXN · acceso por 12 meses

Tensorflow 2.0: Guía completa para el Nuevo Tensorflow

Crea soluciones sorprendentes de Deep Learning e Inteligencia Artificial y súbelas a producción con TensorFlow 2.0

Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso En línea · 60 h 18 unidades
Qué aprenderás

Lo que serás capaz de hacer

¡Bienvenido al curso de Tensorflow 2.0! Se acaba de lanzar TensorFlow 2.0. El lanzamiento introduce muchas características que simplifican el modelo de desarrollo y los procesos de mantenimiento. Desde el punto de vista educativo, potencia el entendimiento de la gente simplificando en gran medida los conceptos complejos. Desde el punto de vista de la industria, los modelos son mucho más sencillos de entender, mantener y desarrollar. El Aprendizaje Profundo o Deep Learning es una de las áreas de mayor crecimiento de la Inteligencia Artificial. En los últimos años, se ha probado que los modelos de Deep Learning, incluso los más simples, pueden resolver tareas difíciles y complejas. Ahora que la novedad del Deep Learning ha pasado (seguro que ya has tomado algún curso mío sobre esta materia), la gente empieza a querer utilizar su poder y potencial para mejorar sus productos. El curso se estructura de modo que se cubren todos los temas desde el modelado de redes neuronales y su entrenamiento hasta su puesta en producción. En la Parte 1 del curso, aprenderás sobre la infraestructura tecnológica que utilizaremos a lo largo del curso (Sección 1) y lo básico de la librería TensorFlow 2.0 y su sintaxis (Sección 2). En la Parte 2 de este curso, indagaremos en el apasionante mundo del aprendizaje profundo. Durante esta parte del curso, implementarás varios tipos de redes neuronales (Redes Neuronales Artificiales [Sección 3], Redes Neuronales Convolucionales [Sección 4], Redes Neuronales Recurrentes [Sección 5]). Al final de esta parte, en la Sección 6, aprenderás y construirás un ejemplo de Transfer Learning que da unos resultados impresionantes en clasificación de imágenes de perros y gatos con una red neuronal entrenada por Google. Al acabar la segunda parte del curso y ultimar el aprendizaje de cómo implementar redes neuronales, en la Parte 3 verás como hacer tu propio broker resolviendo el problema de compra-venta de acciones en tiempo real utilizando Aprendizaje por Refuerzo, específicamente el Deep-Q Learning. La Parte 4 va sobre TensorFlow Extended (TFX). En esta parte del curso aprenderás a cómo trabajar con datos y crear tus propios flujos de datos para subirlos a producción. En la Sección 8 comprobaremos si el dataset tiene alguna anomalía utilizando la librería TensorFlow Data Validation y, después de aprender cómo comprobar anomalías de un dataset en la Sección 9, haremos nuestro propio pre procesado de flujo de datos utilizando el paquete TensorFlow Transform. En la Sección 10 de este curso aprenderás y crearás tu propio Fashion API haciendo uso de la librería Flask Python y un modelo pre entrenado. A lo largo de esta sección, obtendrás una imagen más completa de cómo enviar peticiones a un modelo a través de internet. Sin embargo, en esta etapa, la arquitectura alrededor del modelo no es escalable a millones de peticiones. Entramos en la Sección 11. En esta, aprenderás a cómo mejorar las soluciones a la sección previa utilizando la librería TensorFlow Serving. De una manera muy sencilla, aprenderás y crearás tu propio API de Clasificación de Imágenes ¡que soporta millones de peticiones al día! Últimamente se está volviendo más y más popular tener un modelo de Aprendizaje profundo en aplicaciones Android o iOS, pero las redes neuronales requieren de mucha energía y recursos. Aquí es donde la librería TensorFlow Lite entra en juego. En la Sección 12 del curso aprenderás cómo optimizar y convertir cualquier red neuronal para que sea apta para un dispositivo móvil. Ya para acabar con el proceso de aprendizaje y la Parte 5 de este curso, en la Sección 13 aprenderás a cómo distribuir el entrenamiento de una Red Neuronal a múltiples GPUs o también a Servidores haciendo uso del paquete TensorFlow 2.0.

  • Cómo utilizar TensorFlow 2.0 en Data Science
  • Diferencias importantes entre TensorFlow 1.X y TensorFlow 2.0
  • Cómo implementar Redes Neuronales Artificiales en TensorFlow 2.0
  • Cómo implementar Redes Neuronales Convolucionales en TensorFlow 2.0
  • Cómo implementar Redes Neuronales Recurrentes en TensorFlow 2.0
  • Cómo construir tu propia aplicación de Transfer Learning en TensorFlow 2.0

Temario

UNIDAD 1 - Introducción · 6 lecciones

UNIDAD 1 - Introducción

  • Bienvenido al curso de TensorFlow 2.0. Descubre la estructura y el toolkit de TFVideo · 18 min
  • Currículum del curso y toolkit de colaboraciónLectura · 0 min
  • BONUS: 10 ventajas de TensorFlowLectura · 0 min
  • Aprende con amigos en la comunidad de DiscordVideo · 4 min
  • Cómo usar Udemy y buscar entre los materiales correctamenteVideo · 10 min
  • Pre requisitos del cursoVideo · 10 min
UNIDAD 2 - Las bases de TensorFlow 2.0 · 4 lecciones

UNIDAD 2 - Las bases de TensorFlow 2.0

  • De TensorFlow 1.x a TensorFlow 2.0Video · 11 min
  • Constantes, Variables y TensoresVideo · 15 min
  • Operaciones con TensoresVideo · 12 min
  • StringsVideo · 10 min
UNIDAD 3 - Redes Neuronales Artificiales · 7 lecciones

UNIDAD 3 - Redes Neuronales Artificiales

  • Configurar el proyecto inicialVideo · 13 min
  • Pre procesado de datosVideo · 14 min
  • Construir el modelo de RNAVideo · 16 min
  • Entrenar el modelo de RNAVideo · 14 min
  • Evaluar el modelo de RNAVideo · 9 min
  • Cuestionario de Redes Neuronales ArtificialesCuestionario · 0 min
  • Ejercicio de Redes Neuronales ArtificialesCuestionario · 1 h
UNIDAD 4 - Redes Neuronales de Convolución · 5 lecciones

UNIDAD 4 - Redes Neuronales de Convolución

  • Configuración del proyecto y pre procesado de los datosVideo · 12 min
  • Construir la RNCVideo · 26 min
  • Entrenar y evaluar la RNCVideo · 11 min
  • Cuestionario de Redes Neuronales de ConvoluciónCuestionario · 0 min
  • Ejercicio de Redes Neuronales de ConvoluciónCuestionario · 1 h
UNIDAD 5 - Redes Neuronales Recurrentes · 5 lecciones

UNIDAD 5 - Redes Neuronales Recurrentes

  • Configuración del proyecto y pre procesado de los datosVideo · 11 min
  • Construir la RNRVideo · 12 min
  • Entrenar y evaluar la RNRVideo · 12 min
  • Cuestionario de Redes Neuronales RecurrentesCuestionario · 0 min
  • Ejercicio: predecir si una valoración de la App Store es positiva o negativaLectura · 0 min
UNIDAD 6 - Aprendizaje por transferencia y puesta a punto de parámetros · 16 lecciones

UNIDAD 6 - Aprendizaje por transferencia y puesta a punto de parámetros

  • ¿Qué es el aprendizaje por transferencia?Video · 9 min
  • Configuración del proyectoVideo · 7 min
  • Pre procesado de los datosVideo · 9 min
  • Cargar el modelo MobileNet v2Video · 7 min
  • Congelar el modelo pre entrenadoVideo · 3 min
  • Añadir una capa personalizada para resolver nuestro problema de clasificaciónVideo · 6 min
  • Definir el modelo de transfer learningVideo · 5 min
  • Compilar el modelo de Transfer LearningVideo · 5 min
  • Image Data GeneratorsVideo · 7 min
  • Transferencia de aprendizajeVideo · 5 min
  • Evaluar los resultados del aprendizaje transferidoVideo · 3 min
  • Definir el modelo de puesta a punto de parámetrosVideo · 7 min
  • Compilar el modelo de parámetros ajustadosVideo · 1 min
  • Fine TuningVideo · 4 min
  • Evaluar el resultado de nuestro Fine TuningVideo · 4 min
  • Aprendizaje por Transferencia y Puesta a punto de parámetrosCuestionario · 0 min
UNIDAD 7 - Teoría del Deep Reinforcement Learning · 9 lecciones

UNIDAD 7 - Teoría del Deep Reinforcement Learning

  • ¿Qué es el Aprendizaje por Refuerzo?Video · 18 min
  • La ecuación de BellmanVideo · 29 min
  • Procesos de Decisión de Markov (MDP)Video · 22 min
  • Idea del Q-LearningVideo · 21 min
  • Diferencia TemporalVideo · 25 min
  • Idea del Deep Q-Learning - Paso 1Video · 18 min
  • Idea del Deep Q-Learning - Paso 2Video · 8 min
  • Experience ReplayVideo · 22 min
  • Políticas de selección de acciónVideo · 22 min
UNIDAD 8 - Deep Reinforcement Learning para problemas de finanzas y stocks · 12 lecciones

UNIDAD 8 - Deep Reinforcement Learning para problemas de finanzas y stocks

  • Configuración del ProyectoVideo · 4 min
  • IA del broker - Paso 1Video · 12 min
  • IA del broker - Paso 2Video · 3 min
  • IA del broker - Paso 3Video · 4 min
  • IA del broker - Paso 4Video · 5 min
  • IA del broker - Paso 5Video · 11 min
  • La función Dataset LoaderVideo · 13 min
  • La función State CreatorVideo · 16 min
  • Cargar el datasetVideo · 2 min
  • Definir el modeloVideo · 5 min
  • Fase de entrenamiento - Paso 1Video · 10 min
  • Fase de entrenamiento - Paso 2Video · 14 min
UNIDAD 9 - Validación de datos con TensorFlow Data Validation (TFDV) · 8 lecciones

UNIDAD 9 - Validación de datos con TensorFlow Data Validation (TFDV)

  • Configuración del ProyectoVideo · 5 min
  • Cargar el dataset de contaminaciónVideo · 8 min
  • Crear el esquema del datasetVideo · 8 min
  • Calcular los estadísticos básicos del conjunto de testVideo · 1 min
  • Detección de anomalías con TensorFlow Data ValidationVideo · 10 min
  • Preparar el esquema para subir a producciónVideo · 6 min
  • Guardar el esquemaVideo · 3 min
  • ¿Y ahora qué más?Lectura · 0 min
UNIDAD 10 - Pre procesado de datos con TensorFlow Transform (TFT) · 6 lecciones

UNIDAD 10 - Pre procesado de datos con TensorFlow Transform (TFT)

  • Configuración del proyectoVideo · 3 min
  • Pre procesado inicial del data setVideo · 12 min
  • Meta datos del data setVideo · 7 min
  • Función PreprocessingVideo · 7 min
  • El flujo de pre procesado del data setVideo · 16 min
  • ¿Y ahora qué más?Lectura · 0 min
UNIDAD 11 - Fashion API con Flask y TensorFlow 2.0 · 8 lecciones

UNIDAD 11 - Fashion API con Flask y TensorFlow 2.0

  • Instalar Tensorflow 2.0 y utilizar Anaconda Navigator en tu ordenadorVideo · 4 min
  • Configuración del proyectoVideo · 14 min
  • Importar las dependencias del proyectoVideo · 4 min
  • Cargar un modelo pre entrenadoVideo · 5 min
  • Definir la aplicación FlaskVideo · 3 min
  • Crear la función de clasificaciónVideo · 9 min
  • Iniciar la aplicación FlaskVideo · 4 min
  • Enviar peticiones al modelo de la API a través de internetVideo · 7 min
UNIDAD 12 - API de clasificación de imágenes con TensorFlow Serving · 10 lecciones

UNIDAD 12 - API de clasificación de imágenes con TensorFlow Serving

  • ¿Qué es TensorFlow Serving?Video · 9 min
  • La arquitectura de TensorFlow ServingVideo · 6 min
  • Configuración del proyectoVideo · 6 min
  • Pre procesado del data setVideo · 6 min
  • Definir, entrenar y evaluar el modeloVideo · 9 min
  • Guardar el modelo para subir a producciónVideo · 7 min
  • El modelo de TensorFlow 2.0 desde el ServidorVideo · 7 min
  • Crear un objeto JSONVideo · 4 min
  • Enviar peticiones por POST al modeloVideo · 11 min
  • Enviar peticiones por POST a modelos específicosVideo · 4 min
UNIDAD 13 - TensorFlow Lite: Preparando un modelo para los dispositivos móviles · 10 lecciones

UNIDAD 13 - TensorFlow Lite: Preparando un modelo para los dispositivos móviles

  • ¿Qué es TensorFlow Lite?Video · 7 min
  • Configuración del ProyectoVideo · 3 min
  • Pre procesado del data setVideo · 4 min
  • Construir un modeloVideo · 3 min
  • Entrenar y evaluar el modeloVideo · 3 min
  • Guardar el modeloVideo · 2 min
  • Conversor a TensorFlow LiteVideo · 3 min
  • Convertir el modelo a TensorFlow LiteVideo · 1 min
  • Guardar el modelo convertidoVideo · 4 min
  • ¿Y ahora qué más?Lectura · 0 min
UNIDAD 14 - Entrenamiento distribuido con TensorFlow 2.0 · 7 lecciones

UNIDAD 14 - Entrenamiento distribuido con TensorFlow 2.0

  • ¿Qué es el entrenamiento distribuido?Video · 7 min
  • Configuración del proyectoVideo · 2 min
  • Pre procesado del data setVideo · 7 min
  • Definir un modelo no distribuido (modelo normal de Red Neuronal Convolucional)Video · 4 min
  • Configurar una estrategia distribuidaVideo · 3 min
  • Definir un modelo distribuidoVideo · 4 min
  • Evaluación final - Test de velocidad entre modelos distribuidos y normalesVideo · 10 min
UNIDAD 15 - Anexo 1 - Teoría de las Redes Neuronales Artificiales · 8 lecciones

UNIDAD 15 - Anexo 1 - Teoría de las Redes Neuronales Artificiales

  • Plan de AtaqueVideo · 4 min
  • El PerceptrónVideo · 24 min
  • La función de ActivaciónVideo · 13 min
  • Cómo funciona una red neuronalVideo · 17 min
  • Cómo aprende una red neuronalVideo · 17 min
  • Gradiente descendenteVideo · 13 min
  • Gradiente descendente estocásticoVideo · 12 min
  • Propagación hacia atrásVideo · 7 min
UNIDAD 16 - Anexo 2 - Teoría de las Redes Neuronales Convolucionales · 9 lecciones

UNIDAD 16 - Anexo 2 - Teoría de las Redes Neuronales Convolucionales

  • Plan de AtaqueVideo · 4 min
  • ¿Qué es una red neuronal convolucional?Video · 18 min
  • Paso 1 - ConvoluciónVideo · 21 min
  • Paso 1.b - Capa de ReLUVideo · 9 min
  • Paso 2 - Max PoolingVideo · 16 min
  • Paso 3 - FlatteningVideo · 2 min
  • Paso 4 - Capa totalmente conectadaVideo · 21 min
  • ResumenVideo · 5 min
  • Funciones de softmax y entropía cruzadaVideo · 24 min
UNIDAD 17 - Anexo 3 - Teoría de las Redes Neuronales Recurrentes · 6 lecciones

UNIDAD 17 - Anexo 3 - Teoría de las Redes Neuronales Recurrentes

  • Plan de AtaqueVideo · 3 min
  • ¿Qué es una red neuronal recurrente?Video · 24 min
  • Vanishing gradientVideo · 21 min
  • LSTMsVideo · 31 min
  • Idea práctica de los LSTMVideo · 18 min
  • Variantes de LSTMVideo · 5 min
UNIDAD 18 - BONUS - Un regalo para ti · 2 lecciones

UNIDAD 18 - BONUS - Un regalo para ti

  • BONUS: Enhorabuena por completar el cursoVideo · 3 min
  • Clase extra: Un bonus especial para tiLectura · 0 min
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. 1

    Inscripción con pago único

    Pagas $2,800 MXN una sola vez y entras de inmediato al curso.

  2. 2

    Estudias a tu ritmo

    18 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.

  3. 3

    Cuestionarios por unidad

    6 cuestionarios para comprobar lo aprendido.

  4. 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 del certificado: Tensorflow 2.0: Guía completa para el Nuevo Tensorflow

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 SuperDataScience Team.
  • 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.

  • 18 unidades · 138 lecciones · 60 h
  • 12 meses de acceso
  • 6 cuestionarios de evaluación
  • Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Pago único
$2,800MXN
Acceso por 12 meses
Inscribirme Hablar con un asesor
Preguntas frecuentes

Sobre tu inscripción

¿Cómo es el pago?

Un solo pago de $2,800 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 SuperDataScience Team; 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.

Certificado emitido por la SEP a través del Gobierno del Estado de México · Tensorflow 2.0: Guía completa para el Nuevo Tensorflow

Inscribirme
  INEC es una Marca de SalesPartners Ciudad de México S de RL de CV. Template Design © Learnify LMS. All rights reserved. Terminos y Condiciones Aviso de Privacidad Politica de Devolución
Hide picture