Curso
Aprendizaje profundo avanzado con Keras
IntermedioNivel de habilidad
Actualizado 11/2024Comienza El Curso Gratis
Incluido conPremium or Teams
PythonArtificial Intelligence4 h13 vídeos46 Ejercicios3,950 XP34,706Certificado de logros
Crea Tu Cuenta Gratuita
o
Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.Preferido por estudiantes en miles de empresas
¿Formar a 2 o más personas?
Probar DataCamp for BusinessDescripción del curso
API funcional de Keras
En este curso, aprenderás a resolver problemas complejos utilizando la API funcional de Keras.Comenzando con una introducción, construirás redes funcionales sencillas, las adaptarás a los datos y realizarás predicciones. También aprenderás a construir modelos con múltiples entradas y una sola salida, y a compartir pesos entre capas..
Redes de entradas múltiples
A medida que avances, explora la creación de redes de dos entradas utilizando incrustaciones categóricas, capas compartidas y capas combinadas. Estos son los componentes básicos fundamentales para diseñar redes neuronales con flujos de datos complejos.Amplía estos conceptos a modelos con tres o más entradas, lo que te ayuda a comprender los parámetros y la topología de tus redes neuronales utilizando las funciones de resumen y gráfico de Keras..
Redes de salida múltiple
En los ejercicios interactivos finales, trabajarás con redes de salida múltiple, que pueden resolver problemas de regresión con múltiples objetivos e incluso manejar tareas de regresión y clasificación simultáneamente.Al finalizar el curso, tendrás experiencia práctica con técnicas avanzadas de aprendizaje profundo para avanzar en tu carrera como científico de datos, incluida la evaluación de tus modelos con nuevos datos utilizando múltiples métricas..
Requisitos previos
Introduction to Deep Learning with Keras1
The Keras Functional API
In this chapter, you'll become familiar with the basics of the Keras functional API. You'll build a simple functional network using functional building blocks, fit it to data, and make predictions.
2
Two Input Networks Using Categorical Embeddings, Shared Layers, and Merge Layers
In this chapter, you will build two-input networks that use categorical embeddings to represent high-cardinality data, shared layers to specify re-usable building blocks, and merge layers to join multiple inputs to a single output. By the end of this chapter, you will have the foundational building blocks for designing neural networks with complex data flows.
3
Multiple Inputs: 3 Inputs (and Beyond!)
In this chapter, you will extend your 2-input model to 3 inputs, and learn how to use Keras' summary and plot functions to understand the parameters and topology of your neural networks. By the end of the chapter, you will understand how to extend a 2-input model to 3 inputs and beyond.
4
Multiple Outputs
In this chapter, you will build neural networks with multiple outputs, which can be used to solve regression problems with multiple targets. You will also build a model that solves a regression problem and a classification problem simultaneously.
Aprendizaje profundo avanzado con Keras
Curso completo
Obtener certificado de logros
Añade esta certificación a tu perfil de LinkedIn o a tu currículum.Compártelo en redes sociales y en tu evaluación de desempeño.
Incluido conPremium or Teams
Inscríbete Ahora¡Únete a 19 millones de estudiantes y empieza Aprendizaje profundo avanzado con Keras hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.