Curso intensivo de aprendizaje automático

Introducción práctica y rápida al aprendizaje automático de Google, que incluye una serie de lecciones con clases por video, visualizaciones interactivas y ejercicios prácticos.
Iniciar curso intensivo Explorar los módulos del curso Ver requisitos previos
Desde 2018, millones de personas en todo el mundo han confiado en el Curso intensivo de aprendizaje automático para aprender cómo funciona y cómo puede beneficiarse. Nos complace anunciar el lanzamiento de una versión actualizada de MLCC que abarca los avances recientes en IA, con un mayor enfoque en el aprendizaje interactivo. Mira este video para obtener más información sobre el nuevo y mejorado MLCC.

Módulos del curso

Cada módulo del Curso intensivo de aprendizaje automático es independiente, de modo que si tienes experiencia previa en este campo, puedes pasar directamente a los temas que quieres aprender. Si es la primera vez que usas el aprendizaje automático, te recomendamos que completes los módulos en el siguiente orden.

Modelos de AA

Estos módulos abordan los aspectos básicos de la compilación de regresión y clasificación e implementar modelos automáticamente.

Introducción a la regresión lineal, que abarca modelos lineales, pérdida, descenso de gradientes y ajuste de hiperparámetros.
Una introducción a la regresión logística, en la que los modelos de AA están diseñados para predecir la probabilidad de un resultado determinado.
Introducción a los modelos de clasificación binaria, que abarca el umbral, las matrices de confusión y las métricas como exactitud, precisión, recuperación y AUC.

Datos

En estos módulos, se abordan técnicas fundamentales y prácticas recomendadas para trabajar con datos de aprendizaje automático.

Aprende a analizar y transformar datos numéricos para entrenar modelos de AA con mayor eficacia.
Aprende los aspectos básicos de trabajar con datos categóricos: cómo distinguir datos categóricos de datos numéricos, cómo representar datos categóricos de forma numérica con codificación one-hot, hash de atributos y codificación media, y cómo realizar combinaciones de atributos.
Una introducción a las características de los conjuntos de datos de aprendizaje automático y cómo preparar tus datos para garantizar resultados de alta calidad cuando entrenas y evalúas tu modelo.

Modelos de AA avanzados

Estos módulos abarcan arquitecturas de modelos de AA avanzados.

Una introducción a los principios fundamentales de las arquitecturas de redes neuronales, incluidos los perceptrones, las capas ocultas y las funciones de activación.
Aprende cómo las incorporaciones te permiten aplicar el aprendizaje automático en grandes vectores de atributos.
Novedad
Una introducción a los modelos grandes de lenguaje, desde los tokens hasta los transformadores. Aprende los conceptos básicos de cómo los LLM aprenden a predecir resultados de texto, además de cómo se diseñan y entrenan.

AA del mundo real

En estos módulos, se abordan consideraciones fundamentales a la hora de compilar e implementar modelos de AA en el mundo real, como las prácticas recomendadas para la producción, la automatización y la ingeniería responsable.

Descubre cómo funciona un sistema de producción de aprendizaje automático con una gran variedad de componentes.
Novedad
Conoce los principios y las prácticas recomendadas para usar el aprendizaje automático automatizado.
Aprende los principios y las prácticas recomendadas para auditar modelos de AA en busca de equidad, incluidas las estrategias para identificar y mitigar sesgos en los datos.