Has llegado al último ejercicio del curso: ¡ya sabes todo lo necesario para construir un modelo preciso que reconozca dígitos escritos a mano!

Ya hemos hecho la preparación básica del conjunto de datos MNIST que viste en el vídeo, así que tienes X y y cargados y listos para modelar. Sequential y Dense de tensorflow.keras también están preimportados.

Para añadir un poco de desafío, hemos cargado solo 2500 imágenes, en lugar de 60000 como verás en algunos resultados publicados. Los modelos de deep learning funcionan mejor con más datos, pero también tardan más en entrenar, especialmente cuando empiezan a volverse más complejos.

Si tienes un ordenador con una GPU compatible con CUDA, puedes aprovecharla para mejorar el tiempo de cómputo. Si no tienes GPU, ¡no pasa nada! Puedes configurar un entorno de deep learning en la nube que ejecute tus modelos en una GPU. Aquí tienes una entrada del blog de Dan que explica cómo hacerlo; échale un vistazo cuando termines este ejercicio. Es un gran siguiente paso para seguir avanzando en tu aprendizaje de deep learning.

¿Listo para llevar tu deep learning al siguiente nivel? Échale un vistazo a Advanced Deep Learning with Keras para ver cómo la API funcional de Keras te permite incorporar conocimiento del dominio y resolver nuevos tipos de problemas. Cuando ya sepas usar la API funcional, echa un vistazo a Image Processing with Keras in Python para aprender aplicaciones de Keras específicas de imagen.

Diagnosticar problemas de optimización

Introducción al Deep Learning en Python

Ejercicio interactivo práctico