Crear redes neuronales complejas para tareas como el reconocimiento facial o el procesamiento de lenguaje natural. Primeros pasos para tu formación
Si tu objetivo es dar un salto cualitativo en tu carrera profesional y adentrarte en el sector tecnológico con mayor demanda y mejor remunerado del mundo,
Si el libro utiliza n_estimators=100 en un Random Forest, cámbialo a 500 o a 50. Observa cómo cambia la precisión del modelo y el tiempo de ejecución. Crear redes neuronales complejas para tareas como el
Cómo crear capas, funciones de pérdida y métricas a medida.
El libro asume que (preferiblemente Python), pero no necesita que sepas nada de machine learning. Aun así, hay algunos conocimientos que te harán el camino mucho más fácil: Cómo crear capas, funciones de pérdida y métricas
from tensorflow import keras model = keras.Sequential([ keras.layers.Dense(64, activation='relu', input_shape=(64,)), keras.layers.Dense(10, activation='softmax') ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
conda activate ml_curso
Domina el Machine Learning: Guía Completa con Scikit-Learn, Keras y TensorFlow
Cada capítulo termina con ejercicios que te desafían a modificar el código visto. Por ejemplo: Por ejemplo: