Incluye una descripción de habilidades de uso de framework que son también requerimientos de la mayoría de las ofertas de trabajo publicadas (ejemplo).
Google tiene software y apliciones por todas partes. Estan en tu telefono en tu computadora, en tu televisor, refrigerador, autos, drones, etc. Pero los frameworks que aqui vamos a ver son los mas comunes en Machine Learning.
Si crees que falta uno importante por favor enviame un mensaje.
Que aprenderas
Vas a aprender cuales son los servicios que Google ofrece gratuitamente para desarrollo de AI y machine learning (ML).
Este articulo asume que estas familiarizado con conceptos basicos de AI y ML.
El uso de frameworks te ayuda a alcanzar requerimientos de buenas practicas en AI and ML para el diseño de tu sistema.
- Google Cloud ML Engine (to run machine learning training jobs and predictions at scale)
- Tensorflow (training and inference of deep neural networks) Tutorial
- Tensorboard, la herramienta de visualización.
- ML Kit ( Modelos ML «best-in-class» con procesado avanzado de pipelines ) ML para mobile developers.
- Reconocimiento de texto
- Detección facial
- Detección de postura
- Segmentación de capas en imágenes (layers)
- Escaneo de código de barras
- Etiquetado de imágenes
- Detección y seguimiento de objetos
- Digitalización de escritura
- Lenguaje
- Google Cloud Arquitecture Framework
- Document AI
- Imágenes a texto
- Clasificación de documentos
- Análisis y extracción de entidades
- Contact Center AI Insights a atraves de DialogFlow y Agent Assist
- Colaboratory Entorno interactivo para escribir y ejecutar python en el navegador + acceso libre a GPUs
- Neural Structured Learning Framework (Uso de Señales Estructuradas) Tutorial
Para estar al dia con las tareas mas comunes que podrias desarrollar en tu trabajo como DEV-ML, una descripción de habilidades de uso de frameworks requeridas en la evaluacion de cualquiera de tus productos o servicios.
- Uso de ultima version de todos los componentes y frameworks
- Uso de aceleradores
- Creación de modelos en strategy.scope() en Tensorfow
- TPU + Tensorflow
- Alimentacion de aceleradores utilizando:
- In-memory usando arrays en Numpy
- tf.data.Dataset
- .tfrecord file
- Usando data fragmentada