¡Bienvenido al curso de Tensorflow 2.0!
Se acaba de lanzar TensorFlow 2.0. El lanzamiento introduce muchas características que simplifican el modelo de desarrollo y los procesos de mantenimiento. Desde el punto de vista educativo, potencia el entendimiento de la gente simplificando en gran medida los conceptos complejos. Desde el punto de vista de la industria, los modelos son mucho más sencillos de entender, mantener y desarrollar.
El Aprendizaje Profundo o Deep Learning es una de las áreas de mayor crecimiento de la Inteligencia Artificial. En los últimos años, se ha probado que los modelos de Deep Learning, incluso los más simples, pueden resolver tareas difíciles y complejas. Ahora que la novedad del Deep Learning ha pasado (seguro que ya has tomado algún curso mío sobre esta materia), la gente empieza a querer utilizar su poder y potencial para mejorar sus productos.
El curso se estructura de modo que se cubren todos los temas desde el modelado de redes neuronales y su entrenamiento hasta su puesta en producción.
En la Parte 1 del curso, aprenderás sobre la infraestructura tecnológica que utilizaremos a lo largo del curso (Sección 1) y lo básico de la librería TensorFlow 2.0 y su sintaxis (Sección 2).
En la Parte 2 de este curso, indagaremos en el apasionante mundo del aprendizaje profundo. Durante esta parte del curso, implementarás varios tipos de redes neuronales (Redes Neuronales Artificiales [Sección 3], Redes Neuronales Convolucionales [Sección 4], Redes Neuronales Recurrentes [Sección 5]). Al final de esta parte, en la Sección 6, aprenderás y construirás un ejemplo de Transfer Learning que da unos resultados impresionantes en clasificación de imágenes de perros y gatos con una red neuronal entrenada por Google.
Al acabar la segunda parte del curso y ultimar el aprendizaje de cómo implementar redes neuronales, en la Parte 3 verás como hacer tu propio broker resolviendo el problema de compra-venta de acciones en tiempo real utilizando Aprendizaje por Refuerzo, específicamente el Deep-Q Learning.
La Parte 4 va sobre TensorFlow Extended (TFX). En esta parte del curso aprenderás a cómo trabajar con datos y crear tus propios flujos de datos para subirlos a producción. En la Sección 8 comprobaremos si el dataset tiene alguna anomalía utilizando la librería TensorFlow Data Validation y, después de aprender cómo comprobar anomalías de un dataset en la Sección 9, haremos nuestro propio pre procesado de flujo de datos utilizando el paquete TensorFlow Transform.
En la Sección 10 de este curso aprenderás y crearás tu propio Fashion API haciendo uso de la librería Flask Python y un modelo pre entrenado. A lo largo de esta sección, obtendrás una imagen más completa de cómo enviar peticiones a un modelo a través de internet. Sin embargo, en esta etapa, la arquitectura alrededor del modelo no es escalable a millones de peticiones. Entramos en la Sección 11. En esta, aprenderás a cómo mejorar las soluciones a la sección previa utilizando la librería TensorFlow Serving. De una manera muy sencilla, aprenderás y crearás tu propio API de Clasificación de Imágenes ¡que soporta millones de peticiones al día!
Últimamente se está volviendo más y más popular tener un modelo de Aprendizaje profundo en aplicaciones Android o iOS, pero las redes neuronales requieren de mucha energía y recursos. Aquí es donde la librería TensorFlow Lite entra en juego. En la Sección 12 del curso aprenderás cómo optimizar y convertir cualquier red neuronal para que sea apta para un dispositivo móvil.
Ya para acabar con el proceso de aprendizaje y la Parte 5 de este curso, en la Sección 13 aprenderás a cómo distribuir el entrenamiento de una Red Neuronal a múltiples GPUs o también a Servidores haciendo uso del paquete TensorFlow 2.0.
