Google Cloud

Machine Learning on Google Cloud

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

14 nov 2022 - 18 nov 2022   |  

Machine Learning on Google Cloud

35 h | 2195 € | Madrid o Live Virtual Class | Español
De Lunes a Jueves (09:00h - 17:30h) y Viernes (09:00h - 14:00h)
Calendario de sesiones

14 nov 2022 - 18 nov 2022   |  

Machine Learning on Google Cloud

35 h | 2195 € | Barcelona o Live Virtual Class | Español
De Lunes a Jueves (09:00h - 17:30h) y Viernes (09:00h - 14:00h)
Calendario de sesiones

Acerca de este curso

TASTE OF TRAINING

¿Qué es el aprendizaje automático?, ¿qué tipos de problemas puede solucionar?, ¿por qué las redes neuronales son tan populares?, ¿cómo puede mejorar la calidad de los datos y realizar análisis de datos exploratorio?, ¿cómo puede establecer un problema de aprendizaje supervisado y encontrar una buena solución que se pueda generalizar usando un descenso de gradientes?

Aprenda cómo escribir modelos de aprendizaje automático distribuido que escalen en Tensorflow 2.x. Realice ingeniería de atributos en BQML y Keras. Aprenda cómo evaluar curvas de pérdida y realizar ajustes de hiperparámetros. Entrenará modelos a gran escala con AI Platform de Cloud.

A quién va dirigido

Este curso está dirigido a los siguientes perfiles laborales:

  • Ingenieros y científicos de datos que quieran trabajar con aprendizaje automático
  • Científicos de aprendizaje automático, científicos de datos y analistas de datos que quieren saber cómo funciona el aprendizaje automático en la nube usando 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:

  • Enmarcar un caso de uso empresarial como un problema de aprendizaje automático
  • Describir cómo mejorar la calidad de los datos
  • Realizar análisis de datos exploratorio
  • Desarrollar y entrenar modelos de aprendizaje supervisados
  • Optimizar y evaluar modelos mediante funciones de pérdida y métricas de rendimiento
  • Crear conjuntos de datos de entrenamiento, evaluación y prueba que sean repetibles y escalables
  • Implementar modelos de aprendizaje automático usando Keras y TensorFlow 2.x
  • Comprender el impacto de los parámetros de descenso de gradientes en la exactitud, velocidad de entrenamiento, dispersión y generalización
  • Representar y transformar los atributos
  • Entrenar modelos a gran escala con AI Platform

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 hace Google el aprendizaje automático

  • Desarrolle una estrategia de datos en torno al aprendizaje automático.
  • Examine los casos de uso que luego se reinventan a través de una lente ML.
  • Reconozca los sesgos que ML puede amplificar.
  • Aproveche las herramientas y el entorno de Google Cloud Platform para realizar ML.
  • Aprenda de la experiencia de Google para evitar errores comunes.
  • Realice tareas de ciencia de datos en cuadernos colaborativos en línea.
  • Invoca modelos de AA previamente entrenados desde Cloud AI Platform.

Módulo 2: Lanzamiento al aprendizaje automático

  • Describe cómo mejorar la calidad de los datos.
  • Realice análisis de datos exploratorios.
  • Construir y entrenar modelos de aprendizaje supervisado.
  • Optimice y evalúe modelos utilizando funciones de pérdida y métricas de rendimiento.
  • Mitiga los problemas comunes que surgen en el aprendizaje automático.
  • Cree conjuntos de datos de prueba, evaluación y capacitación repetibles y escalables.

Módulo 3: Introducción a TensorFlow 2.x

  • Cree modelos de aprendizaje automático de TensorFlow 2.xy Keras.
  • Describe los componentes clave de Tensorflow 2.x.
  • Utilice la biblioteca tf.data para manipular datos y grandes conjuntos de datos.
  • Utilice las API secuenciales y funcionales de Keras para la creación de modelos simple y avanzada.
  • Entrene, implemente y produzca modelos de AA a escala con Cloud AI Platform.

Módulo 4: Ingeniería de funciones

  • Compare los aspectos clave requeridos de una buena función.
  • Combine y cree nuevas combinaciones de funciones mediante cruces de funciones.
  • Realice ingeniería de funciones con BQML, Keras y TensorFlow 2.x.
  • Comprende cómo preprocesar y explorar funciones con Cloud Dataflow y Cloud Dataprep.
  • Comprende y aplica cómo TensorFlow transforma las funciones.

Módulo 5: El arte y la ciencia del AA

  • Optimice el rendimiento del modelo con el ajuste de hiperparámetros.
  • Experimente con redes neuronales y ajuste el rendimiento.
  • Mejore las funciones del modelo ML con capas integradas.

Convocatorias abiertas

14 nov 2022 - 18 nov 2022   |  

Machine Learning on Google Cloud

35 h | 2195 € | Madrid o Live Virtual Class | Español
De Lunes a Jueves (09:00h - 17:30h) y Viernes (09:00h - 14:00h)
Calendario de sesiones

14 nov 2022 - 18 nov 2022   |  

Machine Learning on Google Cloud

35 h | 2195 € | Barcelona o Live Virtual Class | Español
De Lunes a Jueves (09:00h - 17:30h) y Viernes (09:00h - 14:00h)
Calendario de sesiones