Póngase al día sobre deep learning con este seminario web bajo demanda
Información general
¿Qué es deep learning?
Deep learning es un subconjunto de machine learning en el cual las redes neuronales (algoritmos inspirados por el cerebro humano) aprenden de grandes cantidades de datos. Los algoritmos de deep learning realizan una tarea de forma repetitiva y mejoran gradualmente el resultado a través de capas profundas que permiten el aprendizaje progresivo. Es parte de una familia más amplia de métodos de machine learning que se basan en redes neuronales.
El deep learning está teniendo un gran impacto en todos los sectores. En las ciencias de la vida, el deep learning puede utilizarse en análisis avanzado de imágenes, investigación, descubrimiento de fármacos, predicción de problemas de salud y síntomas de enfermedades y aceleración de información de secuenciación del genoma. En el transporte, puede ayudar a los vehículos autónomos a adaptarse a las condiciones cambiantes. También se puede usar para proteger a infraestructuras críticas y acelerar la respuesta.
Las empresas suelen externalizar el desarrollo del deep learning. No obstante, es mejor mantener el trabajo de desarrollo del deep learning para casos de uso que son fundamentales para la empresa. Esto incluye detección de fraudes y recomendaciones, mantenimiento predictivo y análisis de datos de serie temporal, optimización de sistema de recomendaciones, gestión de relaciones con clientes y predicción del porcentaje de clics de la publicidad en línea.
Empiece a usar deep learning con IBM® Watson Studio en IBM® Cloud Pak for Data as a Service.
Beneficios de deep learning en IBM Watson Studio
Características
Creador de experimentos
Inicie y supervise los experimentos de entrenamiento por lotes, compare el rendimiento entre los modelos en tiempo real y concéntrese en el diseño de redes neuronales.
Deep learning distribuido (DDL)
Habilite infraestructuras de código abierto populares como TensorFlow, Caffe, Torch y Chainer para escalar a múltiples GPU.
Reconocimiento de dígito escrito a mano
Use un modelo de PyTorch previamente entrenado para predecir números escritos a mano a partir de imágenes. Use API de REST para enviar trabajos de entrenamiento, supervisar el estado y almacenar e implementar modelos.
Clasificación de imágenes
Realice clasificaciones en múltiples clases, preprocese y acceda a imágenes y cree visualizaciones para entender mejor sus modelos.
Modelos de lenguajes
Use un cuaderno, Keras y TensorFlow para crear un modelo de lenguaje para la generación de texto.
Vea el deep learning en IBM Watson Studio
Definiciones de modelos

Definiciones de modelos
Defina su código de desarrollo de modelo, comando de ejecución, GPU y otros metadatos.
Plan de recursos

Progreso del entrenamiento

Cuaderno de GPU

Cuaderno de GPU
Cree una definición de entorno de GPU y ejecute su cuaderno en el momento de crearlo.
Productos relacionados
Empiece con deep learning
Comience a ejecutar sus experimentos de deep learning en IBM Watson Studio.