Autoplay
Autocompletar
HTML5
Flash
Player
Velocidad
Lectura anterior
Completar y continuar
Deep Learning 360 (Nivel 2)
Acerca del curso
[email protected]
! (2:15)
Metodología
Comunicación
Laboratorio 1: Arquitecturas de Deep Learning con Embeddings
P.A.1.1 - Embeddigns con Keras - Presentación del caso (5:59)
P.A.1.2 - Modelo con one hot encoding (6:06)
P.A.1.3 - Creación del modelo con embeddings (7:05)
P.A.1.4 - Validación de todos los modelos (7:10)
P.A.1.5 - Resumen de la unidad (2:09)
Cuestionario
Preguntas de autoevaluación
Laboratorio 2: Arquitecturas de Deep Learning mixtas
P.A.2.1 - Datos mixtos, embeddings y LR variable en Keras (7:14)
P.A.2.2 - Modelo funcional arquitectura datos mixtos (9:03)
P.A.2.3 - Repaso de la arquitectura funcional mixta (3:20)
P.A.2.4 - Fit con política learning rate de decaimiento exponencial (7:01)
P.A.2.5 - Datos mixtos validación del modelo (2:53)
P.A.2.6 - Redes mixtas repaso final de la unidad (3:10)
Cuestionario
Preguntas de autoevaluación
Laboratorio 3: Arquitectura de recomendación
P.A.3.1 - Recomndador de productos (intro) (10:33)
P.A.3.2 - Arquitectura para red de recomendación (7:56)
P.A.3.3 - Usando KD-tree para búsqueda de items similares con embeddings (7:26)
P.A.3.4 - Búsqueda y análisis de items parecidos, similitud de coseno (8:36)
P.A.3.5 - Resumen de la unidad (2:40)
Cuestionario
Preguntas de autoevaluación
Laboratorio 4: Disponibilizando el recomendador de items
B.1 - Introducción al deploy de modelos en una API (7:48)
B.2 HTML y frontend en una app de Flask (8:00)
B.3 - Backend en Python de una app de flask (8:15)
B.4 - Resumen aplicación en Flask (3:44)
Cierre
Mensaje final (1:20)
Preguntas de autoevaluación
Contenido de la lectura bloqueado
Si ya estás inscripto,
necesitas iniciar sesión
.
Inscríbete en el curso para desbloquear