Redes neuronales recurrentes y personalización de TensorFlow

Este curso gratuito en línea en el aprendizaje práctico de máquinas con TensorFlow comenzará por introducirlo al concepto de Redes Neuronales Recurrentes (RNNs) y construir modelos de aprendizaje automático para datos secuenciales. También aprenderás sobre las dependencias secuenciales de las etiquetas y el cómputo de Redes Neuronales Recurrentes. Se le introducirá en la forma en que se calcula la pérdida en el caso de un RNN simple. También aprenderá sobre la arquitectura RNN modificada, el problema de gradiente de desaparición y la Memoria de corto plazo (LSTM).

El curso introduce el concepto de utilizar Redes neuronales recurrentes para crear modelos para datos de series temporales. También aprenderá a entrenar un modelo RNN para series temporales, previsiones, formación de modelos y predicción de modelos. A continuación, se le introducirán modelos de aprendizaje automático, clasificación de texto, sobreajuste, ajuste, regresión y la arquitectura de un modelo de red neuronal.

El curso explica la personalización de TensorFlow y cómo ampliar la funcionalidad de TensorFlow 2.0. También aprenderá sobre los conceptos básicos que hay detrás de los tensores y sobre cómo utilizar los tensores con aceleradores de hardware. Este curso explica en detalle los principales conceptos detrás de Tensorflow Keras y cómo construir un modelo sencillo con tf.keras. También aprenderá a realizar formación, evaluación, predicción y definición de devoluciones de llamada personalizadas.