1 Aprendizaje profundo y JavaScript. -- 1.1 Inteligencia artificial, aprendizaje automático, redes neuronales. -- 1.2 ¿Por qué combinar JavaScript y aprendizaje automático?. -- 1.3 ¿Por qué TensorFlow.js?. -- 2 Primeros pasos: regresión lineal simple en TensorFlow.j. -- 2.3 Regresión lineal con múltiples funciones de entrada. -- 2.4 Cómo interpretar su modelo. -- 3 Adición de no linealidad: más allá de las sumas ponderada. -- 3 Adición de no linealidad: más allá de las sumas ponderada. -- 3.1 No linealidad: qué es y para qué sirve. -- 3.3 Clasificación multiclase. -- 4 Reconocimiento de imágenes y sonidos usando convnets. -- 4 Reconocimiento de imágenes y sonidos usando convnets. -- 4.1 De vectores a tensores: representación de imágenes. -- 4.4 Reconocimiento de palabras habladas: aplicación de convnets en datos de audio. -- 5 Transferencia de aprendizaje: reutilización de redes neuronales preentrenadas. -- 6 Trabajar con datos. -- 6.2 Modelos de entrenamiento con model.fitDataset. -- 6.3 Patrones comunes para acceder a datos. -- 7 Visualización de datos y modelos. -- 7.2 Visualización de modelos después del entrenamiento. -- 8 Underfitting, overfitting y el flujo de trabajo universal de aprendizaje automático. -- 8.2 Ajuste insuficiente, sobreajuste y contramedidas. -- 9 Aprendizaje profundo para secuencias y texto. -- 9.2 Creación de modelos de aprendizaje profundo para texto. -- 10 Aprendizaje profundo generativo. -- 11 Conceptos básicos del aprendizaje por refuerzo profundo. -- 11 Conceptos básicos del aprendizaje por refuerzo profundo. -- 11.3 Redes de valor y Q-learning: El juego de la serpiente. -- 12 Probar, optimizar e implementar modelos. -- 12 Probar, optimizar e implementar modelos. -- 12.2 Optimización del modelo. -- 13.1 Conceptos clave en revisión.

Unicoc

Español