Domina tu camino
Para llegar a un nivel avanzado en el campo del aprendizaje automático, primero debes tener una base sólida en cuatro áreas de aprendizaje: programación, matemática, teoría del AA y creación de un proyecto propio de AA de principio a fin.
Comienza con los planes de estudio seleccionados de TensorFlow para mejorar estas cuatro habilidades o explora nuestra biblioteca de recursos a continuación para elegir tu propia ruta de aprendizaje.
Las cuatro áreas de educación sobre aprendizaje automático
Cuando inicies tu ruta de aprendizaje, es importante que primero comprendas el proceso de aprendizaje del AA, que se divide en cuatro áreas de conocimiento. Cada una de estas áreas aporta una pieza fundamental del rompecabezas del AA. Para ayudarte en tu camino, identificamos libros, videos y cursos en línea que mejorarán tus habilidades y te permitirán prepararte para usar el AA en tus proyectos. Comienza con nuestras capacitaciones guiadas, que se diseñaron para aumentar tu conocimiento, o elige tu propio camino en nuestra biblioteca de recursos.
Capacitaciones de TensorFlow
Comienza a aprender con alguna de nuestras capacitaciones guiadas que incluyen cursos, videos y libros recomendados.
Aprende los conceptos básicos del AA con esta colección de libros y cursos en línea. Recibirás una introducción al AA y al aprendizaje profundo con TensorFlow 2.0. Luego, tendrás la posibilidad de practicar lo que aprendiste con instructivos para principiantes.
Una vez que comprendas los conceptos básicos del aprendizaje automático, sumérgete en la comprensión teórica de las redes neuronales y el aprendizaje profundo, y mejora tu conocimiento de los conceptos de matemática subyacentes para llevar tus habilidades al siguiente nivel.
Aprende los conceptos básicos del desarrollo de modelos de aprendizaje automático en JavaScript y cómo implementarlos directamente en el navegador. Obtendrás una introducción de alto nivel sobre el aprendizaje profundo y sobre el proceso para comenzar a usar TensorFlow.js mediante ejercicios prácticos.
Recursos educativos
Elige tu propio camino de aprendizaje y explora libros, cursos, videos y ejercicios recomendados por el equipo de TensorFlow para aprender los conceptos fundamentales del AA.
Libros
Leer es una de las mejores maneras de comprender las bases del AA y el aprendizaje profundo. Los libros te brindan la comprensión teórica necesaria para que en el futuro puedas aprender nuevos conceptos con más rapidez.
Este libro introductorio ofrece un enfoque centrado en el código para aprender a implementar las situaciones de AA más comunes, como la visión artificial, el procesamiento de lenguaje natural (PLN) y el modelado de secuencia para entornos de ejecución incorporados, de la Web, de dispositivos móviles o de la nube.
Este libro es una introducción práctica al aprendizaje profundo con Keras.
Con ejemplos concretos, muy poca teoría y dos frameworks de Python listos para la producción (Scikit-Learn y TensorFlow), este libro te permite obtener una comprensión intuitiva de los conceptos y las herramientas para construir sistemas inteligentes.
Este libro de texto sobre el aprendizaje profundo es un recurso para ayudar a que los estudiantes y profesionales ingresen al mundo del aprendizaje automático en general y el aprendizaje profundo en particular.
Este libro ofrece una base teórica sobre las redes neuronales. No usa TensorFlow, pero es una excelente referencia para los estudiantes a quienes les interese aprender más.
Una introducción práctica de extremo a extremo sobre los aspectos básicos de TensorFlow.js para un público técnico más amplio. Cuando termines este libro, sabrás cómo crear e implementar sistemas de aprendizaje profundo listos para la producción con TensorFlow.js.
Este libro, escrito por los principales autores de la biblioteca de TensorFlow, presenta casos de uso fascinantes, así como instrucciones detalladas sobre las apps de aprendizaje profundo en JavaScript en tu navegador o en Node.
Cursos en línea
Una buena manera de aprender los conceptos básicos del AA es hacer un curso de varias partes en línea. Muchos cursos ofrecen excelentes explicaciones visuales y las herramientas necesarias para comenzar a aplicar el aprendizaje automático directamente en el trabajo o en tus proyectos personales.
DeepLearning.AI
Intro to TensorFlow for AI, ML, and Deep LearningEste curso, que se desarrolló en colaboración con el equipo de TensorFlow, forma parte del Programa especializado para desarrolladores de TensorFlow y te enseñará las prácticas recomendadas para el uso de esta plataforma.
En este curso en línea que desarrollaron el equipo de TensorFlow y Udacity, aprenderás a crear aplicaciones de aprendizaje profundo con TensorFlow.
DeepLearning.AI
Certificado profesional de DeepLearning.AI desarollador de TensorFlowEn este Programa especializado, compuesto por cuatro cursos y dictado por un desarrollador de TensorFlow, explorarás las herramientas y el software que usan los desarrolladores para crear algoritmos escalables con tecnología de IA en TensorFlow.
Google Developers
Machine Learning Crash CourseEl Curso intensivo de aprendizaje automático con la API de TensorFlow es una guía de estudio autónomo para quienes aspiran a convertirse en profesionales del aprendizaje automático. Incluye una serie de lecciones con clases por video, casos de éxito reales y ejercicios prácticos.
En este curso del MIT, obtendrás conocimientos básicos de los algoritmos del aprendizaje profundo y adquirirás experiencia práctica para crear redes neuronales en TensorFlow.
DeepLearning.AI
Programa especializado: Aprendizaje profundoEn cinco cursos, aprenderás los conceptos fundamentales del aprendizaje profundo, entenderás el proceso para crear redes neuronales y, además, aprenderás a llevar a cabo proyectos exitosos de aprendizaje automático y a dedicarte profesionalmente a la IA. No solo dominarás la teoría, sino que también verás cómo se aplica en la industria.
DeepLearning.AI
Programa especializado: TensorFlow: Data and DeploymentYa aprendiste a crear y entrenar modelos. Ahora aprende a navegar en varias situaciones de implementación y a usar los datos con más eficacia para entrenar tu modelo en este Programa especializado de cuatro cursos.
DeepLearning.AI
Programa especializado: TensorFlow: Advanced TechniquesEsta especialización está dirigida a ingenieros de software y AA con conocimientos básicos de TensorFlow que quieren profundizar sus conocimientos y habilidades mediante el aprendizaje de funciones avanzadas de TensorFlow para crear modelos potentes.
Descubre cómo obtener más vistas en tu búsqueda de vanguardia o brinda superpoderes en las apps web de trabajos futuros para tus clientes o la empresa donde te desempeñas con el aprendizaje automático basado en la Web.
Conceptos de matemática
Para profundizar el conocimiento del AA, estos recursos pueden ayudarte a comprender los conceptos de matemática subyacentes, que son necesarios para avanzar a un nivel más alto.
Un panorama general sobre álgebra lineal para el aprendizaje automático. ¿Nunca estudiaste álgebra lineal o conoces poco sobre los conceptos básicos y te gustaría familiarizarte con su uso en el AA? Entonces este video es para ti.
Imperial College London
Programa especializado: Matemática aplicada al aprendizaje automáticoEste Programa especializado en línea de Coursera tiene como objetivo reducir la brecha entre las matemáticas y el aprendizaje automático, poniéndote al día en las matemáticas subyacentes para que generes una comprensión intuitiva y la relaciones con el aprendizaje automático y la ciencia de los datos.
3Blue1Brown se centra en presentar la matemática con un enfoque visual. En esta serie de videos, aprenderás las nociones básicas de una red neuronal y cómo trabaja con conceptos de matemática.
Serie de videos breves con imágenes de 3Blue1Brown que brindan orientación sobre la comprensión geométrica de las matrices, las determinantes, los vectores y valores propios, y más.
Serie de videos breves con imágenes de 3Blue1Brown que explican los conceptos básicos del cálculo de modo que comprendas en profundidad los teoremas fundamentales, y no solo el funcionamiento de las ecuaciones.
Este curso introductorio del MIT abarca la teoría de matrices y el álgebra lineal. Se hace hincapié en los temas que serán útiles en otras disciplinas, entre ellos, los sistemas de ecuaciones, los espacios vectoriales, las determinantes, los vectores y valores propios, la similitud y las matrices definidas positivas.
Este curso de introducción al cálculo del MIT abarca la diferenciación y la integración de funciones de una variable, con aplicaciones.
Introducción visual a la probabilidad y la estadística.
Este libro presenta una descripción general accesible del campo del aprendizaje estadístico, un conjunto de herramientas esencial para comprender el vasto y complejo mundo de los conjuntos de datos necesarios para entrenar modelos en el aprendizaje automático.
Recursos de TensorFlow
Hemos reunido nuestros recursos favoritos con el objetivo de ayudarte a dar tus primeros pasos con las bibliotecas de TensorFlow y los frameworks específicos para tus necesidades. Ve a nuestras secciones de TensorFlow.js, TensorFlow Lite y TFX.
También puedes explorar la guía y los instructivos oficiales de TensorFlow para acceder a los ejemplos y notebooks de Colab más recientes.
Esta serie introductoria está dirigida a personas que saben programar, pero no necesariamente saben sobre aprendizaje automático. Observa un ejemplo básico de "Hello World" sobre cómo crear un modelo de AA y aprende a crear un clasificador de imágenes mediante una red neuronal convolucional.
Esta Tech Talk sobre el AA está diseñada para quienes conocen los aspectos básicos del aprendizaje automático, pero necesitan una descripción general de la información esencial sobre TensorFlow (tensores, variables y gradientes sin usar API de alto nivel).
Esta Tech Talk sobre el AA incluye el aprendizaje de representaciones, familias de redes neuronales y sus aplicaciones, una primera vista de una red neuronal profunda y muchos ejemplos de código y conceptos de TensorFlow.
En esta serie, el equipo de TensorFlow examina varias partes de TensorFlow desde una perspectiva de programación, con videos para el uso de las API de alto nivel, el procesamiento de lenguaje natural, el aprendizaje estructurado neuronal de TensorFlow y mucho más.
Aprende a detectar los casos de uso de AA más comunes, incluidos el análisis de multimedia, la creación de búsquedas inteligentes y la transformación de datos; además de cómo incorporarlos rápidamente en tu app con herramientas fáciles de usar.
Para JavaScript
Explora los recursos más recientes de TensorFlow.js.
Obtén conocimientos prácticos sobre el uso del AA en el navegador con JavaScript. Aprende a escribir modelos personalizados desde cero, entrenar modelos con el aprendizaje por transferencia y convertir modelos desde Python.
Una introducción práctica de extremo a extremo sobre los aspectos básicos de TensorFlow.js para un público técnico más amplio. Cuando termines este libro, sabrás cómo crear e implementar sistemas de aprendizaje profundo listos para la producción con TensorFlow.js.
Serie de 3 partes que explora tanto el entrenamiento como la ejecución de modelos de aprendizaje automático con TensorFlow.js y muestra el proceso para crear un modelo de aprendizaje automático en JavaScript que se ejecute directamente en el navegador.
Conviértete en un experto del AA con TensorFlow.js. Aprende a crear apps web de nueva generación que puedan ejecutar los clientes y que se puedan usar prácticamente en cualquier dispositivo.
Esta lista de reproducción de videos, que forma parte de una serie más grande sobre el aprendizaje automático y la creación de redes neuronales, se centra en TensorFlow.js, la API principal y cómo usar la biblioteca de JavaScript para el entrenamiento y la implementación de modelos de AA.
Para dispositivos móviles y perimetrales
Explora los recursos más recientes de TensorFlow Lite.
Google Developers
Aprendizaje automático en el dispositivoAprende a desarrollar tu primera app de AA integrada en el dispositivo mediante rutas que ofrecen guías paso a paso para casos de uso comunes, entre los que se incluyen la clasificación de audio, la búsqueda visual de productos y muchos más.
Aprende a implementar modelos de aprendizaje profundo en dispositivos incorporados y móviles con TensorFlow Lite. Los equipos de TensorFlow y Udacity crearon este curso con un enfoque práctico sobre la implementación de modelos para desarrolladores de software.
Obtén una práctica de ejemplo para aprender a elaborar un sistema de canalización de producción con TFX. Cubriremos rápidamente todos los aspectos, desde la adquisición de datos y la creación de modelos hasta la implementación y la administración.
Con este libro, seguirás los pasos para automatizar una canalización de AA mediante el ecosistema de TensorFlow. Los ejemplos de aprendizaje automático incluidos en el libro se basan en TensorFlow y Keras, pero los conceptos principales se pueden aplicar a cualquier framework.
DeepLearning.AI
Programa especializado: Machine Learning Engineering for Production (MLOps)Aumenta tus capacidades de ingeniería de producción con esta especialización de cuatro cursos. Aprende a conceptualizar, crear y mantener sistemas integrados que se ejecuten continuamente en producción.
Este curso avanzado trata sobre los componentes de TFX, la organización y automatización de canalizaciones y la forma de administrar metadatos de AA con Google Cloud.
IA centrada en las personas
Cuando se diseña un modelo de AA o se crear una aplicación con tecnología de IA, es importante tener en cuenta las personas que interactúan con el producto y la mejor manera de lograr equidad, interpretabilidad, privacidad y seguridad en estos sistemas de IA.
Aprende a integrar las prácticas de Responsible AI en el flujo de trabajo de AA con TensorFlow.
Esta guía de Google te ayudará a crear productos de IA centrados en las personas. Te permitirá evitar errores comunes, diseñar experiencias excelentes y concentrarte en las personas mientras creas aplicaciones basadas en la IA.
Este módulo de una hora del Curso intensivo de aprendizaje automático de Google es una introducción a los diferentes tipos de sesgos humanos que se pueden manifestar durante el entrenamiento de datos. Además, proporciona estrategias para identificar y evaluar los efectos que producen.