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
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 leccionesUNIDAD 1 - Introducción
UNIDAD 1 - Introducción
- Bienvenido al curso de TensorFlow 2.0. Descubre la estructura y el toolkit de TF
- Currículum del curso y toolkit de colaboración
- BONUS: 10 ventajas de TensorFlow
- Aprende con amigos en la comunidad de Discord
- Cómo usar Udemy y buscar entre los materiales correctamente
- Pre requisitos del curso
UNIDAD 2 - Las bases de TensorFlow 2.0 · 4 leccionesUNIDAD 2 - Las bases de TensorFlow 2.0
UNIDAD 2 - Las bases de TensorFlow 2.0
- De TensorFlow 1.x a TensorFlow 2.0
- Constantes, Variables y Tensores
- Operaciones con Tensores
- Strings
UNIDAD 3 - Redes Neuronales Artificiales · 7 leccionesUNIDAD 3 - Redes Neuronales Artificiales
UNIDAD 3 - Redes Neuronales Artificiales
- Configurar el proyecto inicial
- Pre procesado de datos
- Construir el modelo de RNA
- Entrenar el modelo de RNA
- Evaluar el modelo de RNA
- Cuestionario de Redes Neuronales Artificiales
- Ejercicio de Redes Neuronales Artificiales
UNIDAD 4 - Redes Neuronales de Convolución · 5 leccionesUNIDAD 4 - Redes Neuronales de Convolución
UNIDAD 4 - Redes Neuronales de Convolución
- Configuración del proyecto y pre procesado de los datos
- Construir la RNC
- Entrenar y evaluar la RNC
- Cuestionario de Redes Neuronales de Convolución
- Ejercicio de Redes Neuronales de Convolución
UNIDAD 5 - Redes Neuronales Recurrentes · 5 leccionesUNIDAD 5 - Redes Neuronales Recurrentes
UNIDAD 5 - Redes Neuronales Recurrentes
- Configuración del proyecto y pre procesado de los datos
- Construir la RNR
- Entrenar y evaluar la RNR
- Cuestionario de Redes Neuronales Recurrentes
- Ejercicio: predecir si una valoración de la App Store es positiva o negativa
UNIDAD 6 - Aprendizaje por transferencia y puesta a punto de parámetros · 16 leccionesUNIDAD 6 - Aprendizaje por transferencia y puesta a punto de parámetros
UNIDAD 6 - Aprendizaje por transferencia y puesta a punto de parámetros
- ¿Qué es el aprendizaje por transferencia?
- Configuración del proyecto
- Pre procesado de los datos
- Cargar el modelo MobileNet v2
- Congelar el modelo pre entrenado
- Añadir una capa personalizada para resolver nuestro problema de clasificación
- Definir el modelo de transfer learning
- Compilar el modelo de Transfer Learning
- Image Data Generators
- Transferencia de aprendizaje
- Evaluar los resultados del aprendizaje transferido
- Definir el modelo de puesta a punto de parámetros
- Compilar el modelo de parámetros ajustados
- Fine Tuning
- Evaluar el resultado de nuestro Fine Tuning
- Aprendizaje por Transferencia y Puesta a punto de parámetros
UNIDAD 7 - Teoría del Deep Reinforcement Learning · 9 leccionesUNIDAD 7 - Teoría del Deep Reinforcement Learning
UNIDAD 7 - Teoría del Deep Reinforcement Learning
- ¿Qué es el Aprendizaje por Refuerzo?
- La ecuación de Bellman
- Procesos de Decisión de Markov (MDP)
- Idea del Q-Learning
- Diferencia Temporal
- Idea del Deep Q-Learning - Paso 1
- Idea del Deep Q-Learning - Paso 2
- Experience Replay
- Políticas de selección de acción
UNIDAD 8 - Deep Reinforcement Learning para problemas de finanzas y stocks · 12 leccionesUNIDAD 8 - Deep Reinforcement Learning para problemas de finanzas y stocks
UNIDAD 8 - Deep Reinforcement Learning para problemas de finanzas y stocks
- Configuración del Proyecto
- IA del broker - Paso 1
- IA del broker - Paso 2
- IA del broker - Paso 3
- IA del broker - Paso 4
- IA del broker - Paso 5
- La función Dataset Loader
- La función State Creator
- Cargar el dataset
- Definir el modelo
- Fase de entrenamiento - Paso 1
- Fase de entrenamiento - Paso 2
UNIDAD 9 - Validación de datos con TensorFlow Data Validation (TFDV) · 8 leccionesUNIDAD 9 - Validación de datos con TensorFlow Data Validation (TFDV)
UNIDAD 9 - Validación de datos con TensorFlow Data Validation (TFDV)
- Configuración del Proyecto
- Cargar el dataset de contaminación
- Crear el esquema del dataset
- Calcular los estadísticos básicos del conjunto de test
- Detección de anomalías con TensorFlow Data Validation
- Preparar el esquema para subir a producción
- Guardar el esquema
- ¿Y ahora qué más?
UNIDAD 10 - Pre procesado de datos con TensorFlow Transform (TFT) · 6 leccionesUNIDAD 10 - Pre procesado de datos con TensorFlow Transform (TFT)
UNIDAD 10 - Pre procesado de datos con TensorFlow Transform (TFT)
- Configuración del proyecto
- Pre procesado inicial del data set
- Meta datos del data set
- Función Preprocessing
- El flujo de pre procesado del data set
- ¿Y ahora qué más?
UNIDAD 11 - Fashion API con Flask y TensorFlow 2.0 · 8 leccionesUNIDAD 11 - Fashion API con Flask y TensorFlow 2.0
UNIDAD 11 - Fashion API con Flask y TensorFlow 2.0
- Instalar Tensorflow 2.0 y utilizar Anaconda Navigator en tu ordenador
- Configuración del proyecto
- Importar las dependencias del proyecto
- Cargar un modelo pre entrenado
- Definir la aplicación Flask
- Crear la función de clasificación
- Iniciar la aplicación Flask
- Enviar peticiones al modelo de la API a través de internet
UNIDAD 12 - API de clasificación de imágenes con TensorFlow Serving · 10 leccionesUNIDAD 12 - API de clasificación de imágenes con TensorFlow Serving
UNIDAD 12 - API de clasificación de imágenes con TensorFlow Serving
- ¿Qué es TensorFlow Serving?
- La arquitectura de TensorFlow Serving
- Configuración del proyecto
- Pre procesado del data set
- Definir, entrenar y evaluar el modelo
- Guardar el modelo para subir a producción
- El modelo de TensorFlow 2.0 desde el Servidor
- Crear un objeto JSON
- Enviar peticiones por POST al modelo
- Enviar peticiones por POST a modelos específicos
UNIDAD 13 - TensorFlow Lite: Preparando un modelo para los dispositivos móviles · 10 leccionesUNIDAD 13 - TensorFlow Lite: Preparando un modelo para los dispositivos móviles
UNIDAD 13 - TensorFlow Lite: Preparando un modelo para los dispositivos móviles
- ¿Qué es TensorFlow Lite?
- Configuración del Proyecto
- Pre procesado del data set
- Construir un modelo
- Entrenar y evaluar el modelo
- Guardar el modelo
- Conversor a TensorFlow Lite
- Convertir el modelo a TensorFlow Lite
- Guardar el modelo convertido
- ¿Y ahora qué más?
UNIDAD 14 - Entrenamiento distribuido con TensorFlow 2.0 · 7 leccionesUNIDAD 14 - Entrenamiento distribuido con TensorFlow 2.0
UNIDAD 14 - Entrenamiento distribuido con TensorFlow 2.0
- ¿Qué es el entrenamiento distribuido?
- Configuración del proyecto
- Pre procesado del data set
- Definir un modelo no distribuido (modelo normal de Red Neuronal Convolucional)
- Configurar una estrategia distribuida
- Definir un modelo distribuido
- Evaluación final - Test de velocidad entre modelos distribuidos y normales
UNIDAD 15 - Anexo 1 - Teoría de las Redes Neuronales Artificiales · 8 leccionesUNIDAD 15 - Anexo 1 - Teoría de las Redes Neuronales Artificiales
UNIDAD 15 - Anexo 1 - Teoría de las Redes Neuronales Artificiales
- Plan de Ataque
- El Perceptrón
- La función de Activación
- Cómo funciona una red neuronal
- Cómo aprende una red neuronal
- Gradiente descendente
- Gradiente descendente estocástico
- Propagación hacia atrás
UNIDAD 16 - Anexo 2 - Teoría de las Redes Neuronales Convolucionales · 9 leccionesUNIDAD 16 - Anexo 2 - Teoría de las Redes Neuronales Convolucionales
UNIDAD 16 - Anexo 2 - Teoría de las Redes Neuronales Convolucionales
- Plan de Ataque
- ¿Qué es una red neuronal convolucional?
- Paso 1 - Convolución
- Paso 1.b - Capa de ReLU
- Paso 2 - Max Pooling
- Paso 3 - Flattening
- Paso 4 - Capa totalmente conectada
- Resumen
- Funciones de softmax y entropía cruzada
UNIDAD 17 - Anexo 3 - Teoría de las Redes Neuronales Recurrentes · 6 leccionesUNIDAD 17 - Anexo 3 - Teoría de las Redes Neuronales Recurrentes
UNIDAD 17 - Anexo 3 - Teoría de las Redes Neuronales Recurrentes
- Plan de Ataque
- ¿Qué es una red neuronal recurrente?
- Vanishing gradient
- LSTMs
- Idea práctica de los LSTM
- Variantes de LSTM
UNIDAD 18 - BONUS - Un regalo para ti · 2 leccionesUNIDAD 18 - BONUS - Un regalo para ti
UNIDAD 18 - BONUS - Un regalo para ti
- BONUS: Enhorabuena por completar el curso
- Clase extra: Un bonus especial para ti
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
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $2,800 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
18 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
6 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Un certificado oficial de la SEP
- 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.
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
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.


