TENSORFLOW PERU

 BayesTheorem Facilmente explicado El teorema de Bayes es la base de la estadística bayesiana. En Este video se le muestra, paso a paso, cómo se deriva fácilmente y por qué es útil. https://www.youtube.com/watch?v=9wCnvr7Xw4E

Naive Bayes: Version Gaussian Naive Bayes. en el video se cubre la versión Gaussiana En estadística, los clasificadores de Naive Bayes son una familia de "clasificadores probabilísticos" simples basados ​​en la aplicación del teorema de Bayes con suposiciones de independencia fuerte (Naive) entre las características. Se encuentran entre los modelos de red bayesianos más simples, pero, junto con la estimación de la densidad del kernel, pueden lograr altos niveles de precisión. Los clasificadores Naive Bayes son altamente escalables y requieren una cantidad de parámetros lineales en la cantidad de variables (características/predictores) en un problema de aprendizaje. El entrenamiento de máxima verosimilitud se puede realizar mediante la evaluación de una expresión de forma cerrada,  que toma un tiempo lineal, en lugar de una costosa aproximación iterativa como se usa para muchos otros tipos de clasificadores. En la literatura estadística, los modelos de Naive Bayes se conocen c...

 Clasificador Multinomial Naive Bayes Cuando la mayoría de las personas quieren aprender sobre Naive Bayes, quieren aprender sobre el clasificador multinomial Naive Bayes, que suena realmente elegante, pero en realidad es bastante simple. En el video que le estamos adjuntando este lo guía paso a paso y, al final, usted podra comprender facilmente lo que trata Naive Bayes https://www.youtube.com/watch?v=O2L2Uv9pdDA  

Comparative Study on Classic Machine learning Algorithms Parte Uno https://towardsdatascience.com/comparative-study-on-classic-machine-learning-algorithms-24f9ff6ab222 Parte Dos https://medium.com/@dannymvarghese/comparative-study-on-classic-machine-learning-algorithms-part-2-5ab58b683ec0

 One Hundred Year Study on Artificial Intelligence (AI100) En los cinco años transcurridos desde que se publico el primer informe AI100, se ha escrito mucho sobre el estado de la inteligencia artificial y su influencia en la sociedad. No obstante, AI100 sigue siendo único en su combinación de dos características clave. Primero, está escrito por un Panel de estudio de investigadores multidisciplinarios centrales en el campo: expertos que crean algoritmos de inteligencia artificial o estudian su influencia en la sociedad como su principal actividad profesional, y que lo han estado haciendo durante muchos años. Los autores están firmemente arraigados en el campo de la IA y brindan una perspectiva "interna". En segundo lugar, es un estudio longitudinal, con informes de dichos Paneles de Estudio planificados una vez cada cinco años, durante al menos cien años. Aca la URL d ela Web en cuestion https://ai100.stanford.edu/ https://ai100.stanford.edu/gathering-strength-gathering-storm...

  Camino de Aprendizaje - Deep Learning  A través de estos 03 Cursos tendras conferencias y laboratorios guiados, primero aprenderá redes neuronales y una descripción general del aprendizaje profundo, luego obtendrá experiencia práctica con el uso de la biblioteca TensorFlow para aplicar el aprendizaje profundo en diferentes tipos de datos para resolver problemas del mundo real. En este camino de aprendizaje, podrá aprender los conceptos básicos de Deep Leaning y TensorFlow. Luego, obtendrá experiencia práctica en la resolución de problemas utilizando Deep Learning. Comenzando con un ejemplo simple de "Hello Word", a lo largo del curso podrá ver cómo se puede usar TensorFlow en funciones de ajuste de curvas, regresión, clasificación y minimización de errores. Luego, este concepto se explora en el mundo del aprendizaje profundo. Aprenderá a aplicar TensorFlow para retropropagación para ajustar los pesos y sesgos mientras se entrenan las redes neuronales. Finalmente, el curso c...

 IBM DL0120EN  Deep Learning with Tensorflow Cognitive Class - AI https://cognitiveclass.ai/courses/course-v1:BigDataUniversity+ML0120EN+v2 Las redes neuronales tradicionales se basan en redes poco profundas, compuestas por una entrada, una capa oculta y una capa de salida. Las redes de aprendizaje profundo se distinguen de estas redes neuronales ordinarias que tienen más capas ocultas, o las llamadas más profundas. Este tipo de redes son capaces de descubrir estructuras ocultas dentro de datos no etiquetados y no estructurados (es decir, imágenes, sonido y texto), que constituyen la gran mayoría de los datos en el mundo. TensorFlow es una de las mejores bibliotecas para implementar el aprendizaje profundo. TensorFlow es una biblioteca de software para el cálculo numérico de expresiones matemáticas, utilizando gráficos de flujo de datos. Los nodos del gráfico representan operaciones matemáticas, mientras que los bordes representan las matrices de datos multidimensionales (tens...