Curso
Introducción al Deep Learning en Python
IntermedioNivel de habilidad
Actualizado 11/2022Comienza El Curso Gratis
Incluido conPremium or Teams
PythonArtificial Intelligence4 h17 vídeos50 Ejercicios3,500 XP260K+Certificado 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
Descubre las aplicaciones del aprendizaje profundo
El aprendizaje profundo es la técnica de machine learning que está detrás de las capacidades más apasionantes de la robótica, el procesamiento del lenguaje natural, el reconocimiento de imágenes y la inteligencia artificial. En este curso de 4 horas, adquirirás conocimientos prácticos sobre cómo aplicar tus conocimientos de Python al aprendizaje profundo con la biblioteca Keras 2.0.Explora los Modelos Keras con un Colaborador de la Biblioteca
Impartido por el ex-científico de datos de Google y colaborador de Keras, Dan Becker, este curso de aprendizaje profundo explora los modelos de redes neuronales y cómo puedes generar predicciones con ellos. Los primeros capítulos te ayudarán a comprender mejor la propagación hacia delante y hacia atrás y cómo funcionan en la práctica.La biblioteca Keras es una biblioteca de Python que puede ayudarte a desarrollar y revisar modelos de aprendizaje profundo. Como muchas bibliotecas de Python, es gratuita, de código abierto y muy fácil de usar. Empezarás creando un modelo Keras y aprenderás a compilarlo, ajustarlo y clasificarlo antes de hacer predicciones. Una vez que hayas completado este curso, tendrás todas las herramientas que necesitas para construir redes neuronales profundas y empezar a experimentar con redes más amplias y profundas con el tiempo.
Profundiza en el Aprendizaje Profundo
Este curso forma parte de varios programas de machine learning y deep learning, que te ofrecen vías claras para desarrollar tus habilidades y experiencia en esta área una vez que hayas completado el curso introductorio, tanto si quieres completar un proyecto personal como si quieres avanzar hacia una carrera como científico de machine learning.Requisitos previos
Supervised Learning with scikit-learn1
Basics of deep learning and neural networks
In this chapter, you'll become familiar with the fundamental concepts and terminology used in deep learning, and understand why deep learning techniques are so powerful today. You'll build simple neural networks and generate predictions with them.
2
Optimizing a neural network with backward propagation
Learn how to optimize the predictions generated by your neural networks. You'll use a method called backward propagation, which is one of the most important techniques in deep learning. Understanding how it works will give you a strong foundation to build on in the second half of the course.
3
Building deep learning models with keras
In this chapter, you'll use the Keras library to build deep learning models for both regression and classification. You'll learn about the Specify-Compile-Fit workflow that you can use to make predictions, and by the end of the chapter, you'll have all the tools necessary to build deep neural networks.
4
Fine-tuning keras models
Learn how to optimize your deep learning models in Keras. Start by learning how to validate your models, then understand the concept of model capacity, and finally, experiment with wider and deeper networks.
Introducción al Deep Learning en Python
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 Introducción al Deep Learning en Python 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.