A partir de una historia del aprendizaje automático, analizamos por qué las redes neuronales, en la actualidad, ofrecen un alto rendimiento ante una variedad de problemas. Luego, analizaremos cómo configurar un problema de aprendizaje supervisado y encontrar una solución adecuada mediante el descenso de gradientes. Esto incluye crear conjuntos de datos que permitan la generalización; hablaremos sobre los métodos para hacerlo de una manera repetible que admita la experimentación. Objetivos del curso: Identificar por qué el aprendizaje profundo es popular en la actualidad Optimizar y evaluar los modelos mediante las funciones de pérdida y las métricas de rendimiento Mitigar los problemas comunes que surgen en el aprendizaje automático Crear conjuntos de datos de entrenamiento, evaluación y prueba, repetibles y escalables
本課程是 Machine Learning with TensorFlow on Google Cloud Platform en Español 專項課程 專項課程的一部分
Launching into Machine Learning en Español
提供方
Learner Career Outcomes
Learner Career Outcomes
100% 在線
可靈活調整截止日期
中級
完成時間大約為10 小時
西班牙語（Spanish）
教學大綱 - 您將從這門課程中學到什麼
Introducción
En este curso, obtendrá conocimientos fundamentales sobre el AA que le brindarán una comprensión más clara de la terminología que usamos durante la especialización. También conocerá sugerencias prácticas y resolverá problemas comunes de los especialistas en AA de Google, de manera que cuando termine el curso cuente con el código y el conocimiento suficientes para poner en marcha sus propios modelos de AA.
AA en la práctica
En este módulo, presentaremos algunos de los principales tipos de aprendizaje automático y repasaremos la historia del AA hasta la situación actual con el fin de acelerar su crecimiento como especialista en el tema.
Optimización
En este módulo, explicaremos cómo optimizar sus modelos de AA.
Generalización y muestreo
Ahora debemos hacernos una pregunta un tanto extraña: ¿Cuándo es mejor no elegir el modelo de AA más preciso? Como mencionamos en el módulo anterior sobre optimización, el hecho de que un modelo tenga una métrica de pérdida de 0 con el conjunto de datos de entrenamiento no implica necesariamente que dé buenos resultados con datos nuevos en un caso práctico real.
來自Launching into Machine Learning en Español的熱門評論
Información clara y precisa para acompañar el aprendizaje
關於 Google 云端平台
關於 Machine Learning with TensorFlow on Google Cloud Platform en Español 專項課程
常見問題
我能否在注册前预览课程？
是的，您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程，才能访问预览不包括的内容。
我什么时候能够访问课程视频和作业？
如果您决定在班次开始日期之前注册课程，那么您将可以访问课程的所有课程视频和阅读材料。班次开始之后，您便可以提交作业。
我注册之后会得到什么？
在您注册且班次开课之后，您将可以访问所有视频和其他资源，包括阅读材料内容和课程论坛。您将能够查看和提交练习作业，并完成所需的评分作业以获得成绩和课程证书。
我什么时候会收到课程证书？
如果您成功完成课程，您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。
我为什么不能旁听此课程？
该课程是 Coursera 上提供的为数不多的课程之一，目前只对已购买课程或已获得助学金的学生开放。
退款政策是如何规定的？
有助学金吗？
還有其他問題嗎？請訪問 學生幫助中心。