Introducción
  • Introducción
  • Conoce a Juan Gabriel Gomila, tu instructor
  • Requisitos previos para seguir el curso
  • Conoce la comunidad de Discord para aprender todos juntos
  • Cómo usar todo el potencial de Udemy y redactar preguntas en el foro
  • Accede a todo el código fuente en el Github del curso
  • No valores el curso de forma prematura
  • Cuidado con la versión de TensorFlow
Fundamentos de Tensorflow y Machine Learning
  • ¿Qué es TensorFlow?
  • Aprender las bases de cómo funciona TensorFlow
  • Formas de definir tensores
  • Placeholders y variables en TensorFlow
  • El grafo de computación en TensorFlow
  • Matrices en TensorFlow
  • Operaciones aritméticas en Tensorflow
  • Otras operaciones matemáticas
  • Funciones de activación en TensorFlow
  • Recursos adicionales de TensorFlow
Fuentes de datos y cómo acceder a ellas
  • Posibles fuentes de datos
  • El dataset de las flores Iris
  • Los nacimientos y relación humana
  • Keras y las casas de Boston
  • Los datos manuscritos del MNIST
  • Spam o no Spam
  • Valoraciones de películas
  • Catalogar objetos a través de imágenes
  • Las palabras de Shakespeare
  • Traducción de frases entre múltiples idiomas
  • BUG: Si no te funciona el ZipFile de la clase anterior...
Un repaso de Machine Learning
  • Piensa en matemáticas, traduce a TensorFlow
  • El grafo básico de operaciones en Tensorflow
  • Divide la ejecución en capas
  • Múltiples capas de trabajo
  • Gráficos de computación con tensorboard
  • Funciones de pérdida para problemas de regresión
  • Funciones de pérdida para problemas de clasificación
  • Métricas para evaluar la calidad del modelo
  • La propagación hacia atrás en regresión
  • La propagación hacia atrás en clasificación
  • Acerca de las variantes del Gradiente Descendente
  • Entrenamiento en por bloques vs estocástico
  • Clasificar las flores de Iris
  • Evaluar los modelos de regresión
  • Evaluar los modelos de clasificación
Regresión Lineal
  • La regresión lineal
  • El método de la matriz inversa
  • El método de la descomposición LU
  • Regresión lineal a lo TensorFlow
  • La función de pérdidas en la regresión lineal
  • Regresión lineal deming
  • Métodos de regularización (lasso y ridge)
  • Regresión elastic net
  • Crear y leer CSV desde tus propios datos
  • Normalización de los datos en entrenamiento y test
  • Regresión logística
Las máquinas de soporte vectorial
  • Support Vector Machine
  • ¿Qué es una SVM?
  • Trabajar con un SVM lineal
  • SVM para estimar una regresión lineal
  • Cambiar el Kernel con TensorFlow
  • Cómo generar distribuciones en forma de anillo
  • Un kernel gaussiano con TensorFlow
  • Ejercicio: entrena tu kernel gaussiano
  • Diferentes núcleos de convolución
  • Los efectos del parámetro gamma
  • Un clasificador multi clase
  • Clasificar las tres especies de flores con SVM
Encontrar los vecinos más cercanos
  • El concepto detrás de los vecinos más cercanos
  • Formalización matemática de los KNN
  • Descargar y procesar el dataset con requests
  • Implementar KNN con variables numéricas con TensorFlow
  • Medir la eficacia de la clasificación
  • La distancia de Levenshtein
  • Distancias basadas en texto
  • Cómo utilizar distancias ponderadas para cada variable
  • El problema de la dirección postal mal escrita
  • Comparar número y texto para clasificar
  • El ejemplo de los vecinos de una imagen
Redes neuronales
  • Los algoritmos no supervisados y su potencial
  • Puertas lógicas y redes neuronales
  • Puertas lógicas y operaciones en TensorFlow
  • Ejercicio: más operaciones lineales con TensorFlow
  • Funciones de activación
  • Una red neuronal con una capa oculta
  • Redes neuronales multicapas en el caso 1D
  • Redes neuronales multicapas en el caso 2D
  • El ejemplo de recién nacidos con bajo peso
  • Mejoras con la entropía cruzada
  • El juego del tres en raya
  • Entrenando nuestra red neuronal
  • La red neuronal que aprende a jugar
Procesamiento Natural del Lenguaje