Temario

Módulo 1: Cómo hace Google el aprendizaje automático

Desarrolle una estrategia de datos en torno al aprendizaje automático.
Examine los casos de uso que luego se reinventan a través de una lente ML.
Reconozca los sesgos que ML puede amplificar.
Aproveche las herramientas y el entorno de Google Cloud Platform para realizar ML.
Aprenda de la experiencia de Google para evitar errores comunes.
Realice tareas de ciencia de datos en cuadernos colaborativos en línea.
Invoca modelos de AA previamente entrenados desde Cloud AI Platform.
Módulo 2: Lanzamiento al aprendizaje automático

Describe cómo mejorar la calidad de los datos.
Realice análisis de datos exploratorios.
Construir y entrenar modelos de aprendizaje supervisado.
Optimice y evalúe modelos utilizando funciones de pérdida y métricas de rendimiento.
Mitiga los problemas comunes que surgen en el aprendizaje automático.
Cree conjuntos de datos de prueba, evaluación y capacitación repetibles y escalables.
Módulo 3: Introducción a TensorFlow 2.x

Cree modelos de aprendizaje automático de TensorFlow 2.xy Keras.
Describe los componentes clave de Tensorflow 2.x.
Utilice la biblioteca tf.data para manipular datos y grandes conjuntos de datos.
Utilice las API secuenciales y funcionales de Keras para la creación de modelos simple y avanzada.
Entrene, implemente y produzca modelos de AA a escala con Cloud AI Platform.
Módulo 4: Ingeniería de funciones

Compare los aspectos clave requeridos de una buena función.
Combine y cree nuevas combinaciones de funciones mediante cruces de funciones.
Realice ingeniería de funciones con BQML, Keras y TensorFlow 2.x.
Comprende cómo preprocesar y explorar funciones con Cloud Dataflow y Cloud Dataprep.
Comprende y aplica cómo TensorFlow transforma las funciones.
Módulo 5: El arte y la ciencia del AA

Optimice el rendimiento del modelo con el ajuste de hiperparámetros.
Experimente con redes neuronales y ajuste el rendimiento.
Mejore las funciones del modelo ML con capas integradas.