cropped-MachineLearning.jpg
https://www.aprendemachinelearning.com/wp-content/uploads/2017/08/cropped-MachineLearning.jpg
Results for: CPSA-FL최신 인증시험 공부자료 🦜 CPSA-FL인기자격증 덤프공부문제 🎊 CPSA-FL최신 업데이트버전 인증덤프 👤 지금▛ www.itdumpskr.com ▟에서[ CPSA-FL ]를 검색하고 무료로 다운로드하세요CPSA-FL덤프
cropped-icon_red_neuronal.png
https://www.aprendemachinelearning.com/wp-content/uploads/2017/11/cropped-icon_red_neuronal.png
cropped-icon_red_neuronal-1.png
https://www.aprendemachinelearning.com/wp-content/uploads/2017/11/cropped-icon_red_neuronal-1.png
Instalar ambiente de Desarrollo Python Anaconda para Aprendizaje Automático
Para programar tu propia Máquina de Inteligencia Artificial necesitarás tener listo tu ambiente de desarrollo local, en tu computadora de escritorio o portátil. En este tutorial explicaremos una manera sencilla de configurar Python y las librerías necesarias para programar como un Científico de Datos y utilizar los algoritmos más conocidos de Machine Learning.
¿Por qué instalar Python y Anaconda en mi ordenador?
Python es un lenguaje sencillo, rápido y liviano y es ideal para aprender, experimentar, practicar y trabajar con machine learning, redes neuronales y aprendizaje profundo –entre otros-.
Utilizaremos la Suite de Anaconda que nos facilitará la tarea de instalar el ambiente e incluirá las Jupyter Notebooks, que es una aplicación que nos ayudará a hacer ejercicios paso a paso en Machine Learning, crear visualizaciones de datos y escribir comentarios tal como si se tratase de un cuaderno de notas del colegio o la universidad.
Esta Suite es multiplataforma y se puede utilizar para Windows, Linux y Macintosh. En mi caso descargaré la versión para mi Macbook Pro, pero para otro sistema operativo será similar.
Atención! Tenemos la opción de Ejecutar nuestro ambiente en la Nube, gratis con una cuenta en Google Colab, en este artículo te lo cuento!
Agenda del futuro Científico de Datos
Nuestra agenda de hoy incluye:
- Descargar Anaconda
- Instalar Anaconda
- Iniciar y Actualizar Anaconda
- Actualizar paquete scikit-learn
- Instalar Librerías para Deep Learning
Comencemos!
Aprendizaje por Refuerzo
En este artículo aprenderemos qué es el aprendizaje por refuerzo, lo más novedoso y ambicioso a día de hoy en Inteligencia artificial, veremos cómo funciona, sus casos de uso y haremos un ejercicio práctico completo en Python: una máquina que aprenderá a jugar al pong sóla, sin conocer las reglas ni al entorno.
Nuestra Agenda
Los temas que veremos incluyen:
- ¿Qué es el Reinforcement Learning?
- Diferencias con los clásicos
- Componentes
- Casos de Uso
- Y los videojuegos?
- Cómo funciona el RL?
- premios y castigos
- fuerza bruta
- Q-Learning
- Ecuación de Bellman
- Explorar vs Explotar
- El juego del Pong en Python
- Clase Agente
- Clase Environment
- El juego
- La tabla de Políticas
- Conclusiones
- Recursos Adicionales
Comencemos!!
Seguir Leyendo
¿Machine Learning en la Nube? Google Colaboratory con GPU!
Por increíble que parezca, ahora mismo tenemos disponible una cuenta gratuita para programar nuestros modelos de Machine Learning en la nube, con Python, Jupyter Notebooks de manera remota y hasta con GPU para poder aumentar nuestro poder de procesamiento…. gratis! sí sí… esto no es un “cuento del tío” ni tiene ninguna trampa!… Descubre cómo aprovecharlo en este artículo!
Machine Learning desde el Navegador
Primero lo primero. ¿Porqué voy a querer tener mi código en la nube? Pues bien, lo normal (¿ideal?) es que tengamos un entorno de desarrollo local en nuestro propio ordenador, un entorno de pruebas en algún servidor, staging y producción. Pero… ¿qué pasa si aún no tenemos instalado el ambiente?, o tenemos conflictos con algún archivo/librería, versión de Python… ó por lo que sea no tenemos espacio en disco… ó hasta si nos va muy lento y no disponemos en -el corto plazo- de mayor procesador/ram? O hasta por simple comodidad, está siempre bien tener a mano una web online, “siempre lista” en donde ya esté prácticamente todo el software que necesitamos instalado. Y ese servicio lo da Google, entre otras opciones. Lo interesante es que Google Colab ofrece varias ventajas frente a sus competidores.
interesante es que Google Colab ofrece varias ventajas frente a sus competidores.
La GPU…. ¿en casa o en la nube?
¿Una GPU? ¿para que quiero eso si ya tengo como 8 núcleos? La realidad es que para el procesamiento de algoritmos de Aprendizaje Automático (y para videojuegos, ejem!) la GPU resulta mucho más potente en realizar cálculos (también en paralelo) por ejemplo las multiplicaciones matriciales… esas que HACEMOS TOooooDO el tiempo al ENTRENAR nuestros modelos!!! para hacer el descenso por gradiente ó Toooodo el rato con el Backpropagation de nuestras redes neuronales… Esto supone una mejora de hasta 10x en velocidad de procesado… Algoritmos que antes tomaban días y ahora se resuelven en horas. Un avance enorme.
Si tienes una tarjeta Nvidia con GPU ya instalada, felicidades ya tienes el poder! Si no la tienes y no vas a invertir unos cuántos dólares en comprarla, puedes tener toda(*) su potencia desde la nube!
(*)NOTA: Google se reserva el poder limitar el uso de GPU si considera que estás abusando ó utilizando en demasía ese recurso ó para fines indebidos (por ej. minería de bitcoins)
