En este capítulo, te familiarizarás con los conceptos básicos de la API funcional de Keras.  Crearás una red funcional sencilla utilizando bloques de construcción funcionales, la adaptarás a los datos y realizarás predicciones.

Capas densas y de entrada de Keras

Capas de entrada

Capas densas

Capas de salida

Construye y compila un modelo.

Construye un modelo

Compilar un modelo

Visualiza un modelo

Ajustar y evaluar un modelo

Ajusta el modelo a los datos del torneo de baloncesto.

Evalúa el modelo en un conjunto de prueba.

La API funcional de Keras

En este capítulo, construirás redes de dos entradas que utilizan incrustaciones categóricas para representar datos de alta cardinalidad, capas compartidas para especificar bloques de construcción reutilizables y capas de fusión para unir varias entradas en una sola salida. Al final de este capítulo, tendrás los fundamentos básicos para diseñar redes neuronales con flujos de datos complejos.

Incrustaciones de categorías

Definir búsqueda de equipo

Definir el modelo de equipo

Capas compartidas

Definición de dos entradas

Busca ambas entradas en el mismo modelo.

Combinar capas

Capa de salida utilizando capa compartida

Modelo con dos entradas y una salida

Predice a partir de tu modelo

Ajusta el modelo a los datos de entrenamiento de la temporada regular.

Evalúa el modelo con los datos de prueba del torneo.

Redes de dos entradas que utilizan incrustaciones categóricas, capas compartidas y capas combinadas

En este capítulo, ampliarás tu modelo de 2 entradas a 3 entradas y aprenderás a utilizar las funciones summary y plot de Keras para comprender los parámetros y la topología de tus redes neuronales. Al final del capítulo, comprenderás cómo ampliar un modelo de 2 entradas a 3 entradas y más.

Modelos de tres entradas

Crea una capa de entrada para «en casa» y «fuera».

Crea un modelo y compílalo.

Ajusta el modelo y evalúa

Resumen y gráficos de modelos

Resúmenes de modelos

Modelos gráficos

Modelos apilables

Añade las predicciones del modelo a los datos del torneo.

Crear una capa de entrada con varias columnas

Ajusta el modelo

Evaluar el modelo

Múltiples entradas: 3 entradas (¡y más!)

En este capítulo, crearás redes neuronales con múltiples salidas, que pueden utilizarse para resolver problemas de regresión con múltiples objetivos.  También crearás un modelo que resuelve simultáneamente un problema de regresión y un problema de clasificación.

Modelos de dos salidas

Modelo simple de dos salidas

Ajusta un modelo con dos salidas

Inspecciona el modelo (I)

Modelo único para clasificación y regresión

Clasificación y regresión en un solo modelo

Compila y ajusta el modelo.

Inspecciona el modelo (II)

Evalúa los nuevos datos con dos métricas.

Resumen

Salidas múltiples

Basketball data

Basketball models

Este curso te muestra cómo resolver una variedad de problemas utilizando la versátil API funcional de Keras. Comenzarás con redes densas simples de varias capas (también conocidas como perceptrones multicapa) y continuarás con arquitecturas más complejas. El curso abordará cómo crear modelos con múltiples entradas y una sola salida, así como cómo compartir pesos entre capas en un modelo. También trataremos temas avanzados como las incrustaciones de categorías y las redes de salida múltiple. Si alguna vez has querido entrenar una red que haga tanto clasificación como regresión, ¡este curso es para ti!

<h2>API funcional de Keras</h2>
En este curso, aprenderás a resolver problemas complejos utilizando la API funcional de Keras. <br><br> Comenzando con una introducción, construirás redes funcionales sencillas, las adaptarás a los datos y realizarás predicciones. También aprenderás a construir modelos con múltiples entradas y una sola salida, y a compartir pesos entre capas.​.<br><br>
<h2>Redes de entradas múltiples</h2>A medida que avances, explora la creación de redes de dos entradas utilizando incrustaciones categóricas, capas compartidas y capas combinadas. Estos son los componentes básicos fundamentales para diseñar redes neuronales con flujos de datos complejos. <br><br> Amplía estos conceptos a modelos con tres o más entradas, lo que te ayuda a comprender los parámetros y la topología de tus redes neuronales utilizando las funciones de resumen y gráfico de Keras.​.<br><br><h2>Redes de salida múltiple</h2>En los ejercicios interactivos finales, trabajarás con redes de salida múltiple, que pueden resolver problemas de regresión con múltiples objetivos e incluso manejar tareas de regresión y clasificación simultáneamente. <br><br> Al finalizar el curso, tendrás experiencia práctica con técnicas avanzadas de aprendizaje profundo para avanzar en tu carrera como científico de datos, incluida la evaluación de tus modelos con nuevos datos utilizando múltiples métricas.. <br><br>

Resumen

Create Your Free Account