Artificial Intelligence

Inteligencia Artificial con Python – Ejercicios Basicos

Dominar TensorFlow 2.0 de Google para construir, entrenar, probar y desplegar modelos de Redes Neuronales Artificiales (RNA).
Aprende a desarrollar modelos de RNA y a entrenarlas mientras aprovechas la potencia de las GPU y las CPU.
Despliega los modelos de RNA en la práctica utilizando el servicio TensorFlow 2.0.
Aprende a visualizar los modelos en forma gráfica y a evaluar su rendimiento durante el entrenamiento usando Tensorboard.
Comprender la teoría y las matemáticas subyacentes a las redes neuronales artificiales y las redes neuronales convolucionales (RNA).
Aprender a entrenar los pesos y sesgos de las redes y seleccionar las funciones de transferencia adecuadas.
Entrenar redes neuronales artificiales (RNA) usando métodos de retropropagacion y de descenso en gradiente.
Optimizar los hiperparámetros de las RNA, como el número de capas ocultas y neuronas, para mejorar el rendimiento de la red.
Aplicar las RNA para realizar tareas de regresión como predicciones de precios de viviendas y predicciones de ventas/ingresos.
Evaluar el rendimiento de los modelos de RNA entrenados para realizar tareas de regresión utilizando KPI (indicadores clave de rendimiento) como el error medio absoluto, el error medio cuadrado y el error medio cuadrado de la raíz, R-cuadrado y R-cuadrado ajustado.
Evaluar el rendimiento de los modelos de RNA entrenados para tareas de clasificación utilizando KPI como la exactitud, la precisión y el recuerdo.
Aplicar Redes Neuronales Convolucionales para clasificar imágenes.
Entrenar una RNA simple para convertir la lectura de la temperatura en grados Celsius a Fahrenheit
(Ejercicio): Entrenar a Feedforward ANN para predecir los ingresos/ventas
Como consultor inmobiliario, predecir los precios de las casas usando RNA (Tarea de Regresión)
Como dueño de un negocio, predecir el uso de la bicicleta de alquiler (Tarea de regresión)
Desarrollar Redes Neurales Artificiales en el campo médico para realizar tareas de clasificación como la detección de la diabetes (Tarea de clasificación)
Desarrollar modelos de IA para realizar análisis de sentimientos y analizar las opiniones de los clientes en línea.
Capacitar a los modelos de aprendizaje profundo de LeNet para realizar la clasificación de las señales de tráfico.
Entrenar a la CNN para realizar la clasificación de imágenes usando el conjunto de datos de Cifar-10 Udemy



Comments   

Leave a Comment

You may also like

loading...