Curso de Keras. Compilando una red neuronal

Keras trabaja con el concepto de modelo (red neuronal). Un modelo es una serie de pasos a  realizar sobre un conjunto de datos para crear una predicción o una clasificación. El modelo está construido de capas, comenzando con la capa de entrada, donde los datos se insertan en el modelo. Continuando en las capas ocultas, donde se procesan los datos. Y finalmente culmina en la capa de salida, donde se encuentra la predicción o clasificación.

Más fotos de circuitos aquí

Metodologías Agile. El tablero Kanban

Dentro de las metodologías ‘agile’, la gestión de proyectos con herramientas visuales suprime reuniones innecesarias 

y facilita la eliminación de cuellos de botella para agilizar las tareas.

Bajo las premisas de este tipo de modelos de gestión empresarial, los equipos multidisciplinares, con autonomía

para organizarse y capacidad de ejecución, se convierten en la base de las organizaciones. Esta forma de trabajar ayuda a garantizar la entrega constante de resultados y soluciones en tiempos más cortos.

Curso de keras: Conjuntos de datos (datasets) para redes neuronales

Una red neuronal de aprendizaje profundo depende de los datos. La información a la que se hace referencia es tan importante como la forma en que la red neuronal la difunde.

Un conjunto de datos contiene hechos e información recopilados con la intención de usarlo como referencia o análisis. Las redes neuronales pueden utilizar imágenes, texto o números como entrada. Y esta entrada es lo que la red neuronal utiliza para aprender y hacer predicciones.

Los conjuntos de datos provienen de muchas fuentes. Las empresas a menudo generan datos internamente a través de aplicaciones o ingreso manual de datos para su uso en redes neuronales para realizar predicciones o análisis. Algunos gobiernos e instituciones de investigación publican conjuntos de datos para el consumo público.

Keras tiene numerosos conjuntos de datos disponibles en Internet creados por los desarrolladores o entidades externas y estructurado para ser compatible. Están disponibles gratuitamente para pruebas y planificación.

Más fotos como esta.

Curso de Keras: Clasificacion por regresión

La regresión es un algoritmo supervisado de aprendizaje automático que genera un resultado previsto que es continuo en lugar de discreto. Eso significa que puede ser un número entero o un rango de datos, como puede ser el número de ventas durante un período de tiempo, en lugar de un elemento absoluto, como puede ser decir si hay un gato en una foto o no. 

Hay dos tipos principales de regresión. simple y multivariable. La regresión lineal simple utiliza conjuntos de datos donde hay dos características o columnas que tienen datos numéricos relacionados. Como por ejemplo el número de ventas de una compañía en una columna y la temperatura en la otra. El resultado de la predicción es una estimación de las ventas en relación con la temperatura en ese momento. Podría ser que a medida que baja la temperatura, las ventas aumenten. (por ejemplo las ventas de abrigos en unos grandes almacenes)

Nota de Tensorflow. Si en vez de anaconda o CNTK  queremos trabajar con Tensorflow-colaboratory y tenemos problemas con las versiones: #Para determinar que versión de tensor flow estamos utilizando: !pip show tensorflow #Para ver la versión actual de tensorflow: !pip install -–upgrade tensorflow # Para ejecutar una versión específica: !pip install tensorflow==2.0

Fotos similares a esta.