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

Ya hemos realizado la manipulación básica del conjunto de datos MNIST que se muestra en el vídeo, por lo que ya tienes X y y cargados y listos para modelar. Sequential y Dense de tensorflow.keras también se han importado previamente.

Para añadir un reto adicional, solo hemos cargado 2500 imágenes, en lugar de las 60 000 que verás en algunos resultados publicados. Los modelos de aprendizaje profundo funcionan mejor con más datos, sin embargo, también tardan más en entrenarse, especialmente cuando empiezan a ser más complejos.

Si tienes un ordenador con una GPU compatible con CUDA, puedes aprovecharla para mejorar el tiempo de cálculo. Si no tienes una GPU, ¡no hay problema! Puedes configurar un entorno de aprendizaje profundo en la nube que pueda ejecutar tus modelos en una GPU. Aquí tienes una entrada del blog de Dan en la que explica cómo hacerlo. ¡Échale un vistazo cuando termines este ejercicio! Es un gran paso adelante en tu camino hacia el aprendizaje profundo.

¿Estás listo para llevar tu aprendizaje profundo al siguiente nivel? Echa un vistazo a Aprendizaje profundo avanzado con Keras para ver cómo la API funcional de Keras te permite desarrollar conocimientos especializados para resolver nuevos tipos de problemas. Una vez que sepas cómo utilizar la API funcional, echa un vistazo a Procesamiento de imágenes con Keras en Python para aprender aplicaciones específicas de Keras para imágenes.

Diagnóstico de problemas de optimización

Introducción al aprendizaje profundo en Python

Ejercicio interactivo práctico