Resultados de aprendizaje

Al final de este curso, podrá: Explicar qué es el

• aprendizaje automático (ML) y cómo se aplica Definir las dos características más importantes de los datos para el aprendizaje automático Describir cómo
• se utilizan los datos para entrenar y probar el modelo de aprendizaje
• Analizar los
• beneficios de usar Keras en lugar de TensorFlow Describir cómo las
• redes neuronales convolucionales clasifican las imágenes Explicar el papel de las capas de agrupación máxima, secuencial y ReLU Describir
• la función de las capas de abandono, los nodos y las capas blandas max
• Defina cómo son las
• épocas mide la precisión y la pérdida
• Explica cómo declarar y trabajar con variables básicas de Python
• Explica cómo programar matrices y tuplas básicas en Python
• Indica cómo crear un proyecto de Xcode y configurar un campo de entrada, una etiqueta de texto y un botón para una aplicación iOS
• Describe ejemplos de cómo se puede usar el aprendizaje automático básico