Google Cloud

Machine Learning with TensorFlow on Google Cloud

35 horas
  2195 €    1756,00 €
Presencial o Live Virtual Class
Presencial o Live Virtual Class

29 nov 2021 - 03 dic 2021   |  

Machine Learning with TensorFlow on Google Cloud

35 h | 2195 € | Barcelona o Live Virtual Class | Español
De Lunes a Viernes (09:00h - 17:00h)
Calendario de sesiones

29 nov 2021 - 03 dic 2021   |  

Machine Learning with TensorFlow on Google Cloud

35 h | 2195 € | Madrid o Live Virtual Class | Español
De Lunes a Viernes (09:00h - 17:00h)
Calendario de sesiones

Acerca de este curso

¿Qué es el aprendizaje automático y qué tipo de problemas puede resolver? ¿Cuáles son las cinco fases de la conversión de un caso de uso para ser manejado por el aprendizaje automático y por qué es importante que no se omitan las fases? ¿Por qué las redes neuronales son tan populares ahora? ¿Cómo puede configurar un problema de aprendizaje supervisado y encontrar una solución buena y generalizable utilizando el descenso de gradiente y una forma reflexiva de crear conjuntos de datos?

En el presente curso daremos respuesta a todas estas preguntes, enseñando al alumno a escribir modelos distribuidos de aprendizaje automático que se escalen en Tensorflow 2.x, escalando la capacitación de esos modelos y ofreciendo predicciones de alto rendimiento. Convertiremos los datos en bruto en características de una manera que le permita al aprendizaje automático (Machine Learning o ML) aprender características importantes de los datos y aportar una visión humana para abordar el problema. Finalmente, el alumno aprenderá a incorporar la combinación correcta de parámetros que produzca modelos precisos y generalizados y conocimiento de la teoría para resolver tipos específicos de problemas de ML.

Experimenta con ML de principio a fin, comenzando por construir una estrategia centrada en ML y progresando hacia la capacitación, optimización y producción de modelos con laboratorios prácticos usando Google Cloud.

A quién va dirigido

Este curso está dirigido a los siguientes perfiles laborales:

  • Aspirantes a científicos e ingenieros de datos de aprendizaje automático
  • Científicos de aprendizaje automático, científicos de datos y analistas de datos que desean exponerse al aprendizaje automático en la nube utilizando TensorFlow 2.x y Keras
  • Ingenieros de datos

Prerrequisitos

Para aprovechar al máximo este curso, los participantes deben tener:

Objetivos del curso

Este curso enseña a los participantes las siguientes habilidades:

  • Pensar estratégica y analíticamente sobre el ML como un proceso de negocios y considerar las implicaciones de equidad con respecto al ML.
  • Funcionamiento de la optimización ML y cómo varios hiperparámetros afectan a los modelos durante la optimización
  • Escribir modelos en TensorFlow utilizando estimadores prefabricados y personalizados, y capacitarlos localmente o en la plataforma Cloud AI
  • Entender por qué la ingeniería de características es crítica para el éxito y cómo puede usar varias tecnologías, incluyendo Cloud Dataflow y Cloud Dataprep

Certificación asociada

Este curso es el recomendado para la preparación del siguiente examen de certificación oficial (no incluido en el precio del curso):

La superación de este examen es requisito imprescindible para obtener la certificación Professional Machine Learning Engineer.

PUE es centro de certificación oficial de Kryterion facilitando la gestión del examen al candidato. El alumno podrá realizar su certificación, bien en nuestras facilidades o, si lo prefiere, a través de la opción Kryterion’s online-proctoring (OLP) solution, que le permite atender la certificación oficial de Google Cloud desde cualquier ubicación con una simple conexión a Internet.

Contenidos

Módulo 1: Cómo Google hace Machine Learning

  • Desarrollar una estrategia de datos en torno al aprendizaje automático.
  • Examinar los casos de uso que luego se reinventan a través de una lente ML.
  • Reconocer los prejuicios que ML puede amplificar.
  • Aprovechar las herramientas y el entorno de Google Cloud Platform para hacer ML.
  • Aprender de la experiencia de Google para evitar dificultades comunes.
  • Realizar tareas de data science en cuadernos de colaboración online.
  • Invocar modelos ML pre-entrenados de Cloud Datalab.

Módulo 2: Lanzamiento al aprendizaje automático

  • Identificar por qué el aprendizaje profundo es actualmente tan popular.
  • Optimizar y evaluar modelos utilizando funciones de pérdida y métricas de rendimiento.
  • Mitigar los problemas comunes que surgen en el aprendizaje automático.
  • Crear entrenamiento repetible y escalable, evaluaciones y pruebas en conjuntos de datos (datasets).

Módulo 3: Introducción a TensorFlow

  • Crear modelos de aprendizaje automático en TensorFlow.
  • Usar las bibliotecas TensorFlow para resolver problemas numéricos.
  • Solucionar problemas y depurar errores comunes del código de TensorFlow.
  • Usar tf_estimator para crear, entrenar y evaluar un modelo de ML.
  • Entrenar, implementar y producir modelos ML a escala con Cloud ML Engine.

Módulo 4: Ingeniería de características

  • Convertir datos en bruto en vectores de características.
  • Preprocesar y crear nuevas canalizaciones de funciones con Cloud Dataflow.
  • Crear e implementar cruces de características y evaluar su impacto.
  • Escribir el código de TensorFlow Transform para la ingeniería de características.

Módulo 5: El Arte y la Ciencia de ML

  • Optimizar el rendimiento del modelo con ajuste de hiperparámetro.
  • Experimentar con redes neuronales y ajuste el rendimiento.
  • Mejorar las características del modelo ML con capas de incrustación.
  • Crear un código de modelo personalizado reutilizable con el Custom Estimator.

Convocatorias abiertas

29 nov 2021 - 03 dic 2021   |  

Machine Learning with TensorFlow on Google Cloud

35 h | 2195 € | Barcelona o Live Virtual Class | Español
De Lunes a Viernes (09:00h - 17:00h)
Calendario de sesiones

29 nov 2021 - 03 dic 2021   |  

Machine Learning with TensorFlow on Google Cloud

35 h | 2195 € | Madrid o Live Virtual Class | Español
De Lunes a Viernes (09:00h - 17:00h)
Calendario de sesiones