TensorFlow

TensorFlow es un framework creado por Google para

desarrollar modelos de Aprendizaje Profundo(Deep
Learning).
Deep Learning
Deep Learning es una categoría de machine
learning(Aprendizaje Automático) que usan redes neuronales
de varios niveles.
Con los recientes avances en poder de procesamiento de
GPUs y CPUs el Deep Learning ha explotado en popularidad
y uso.
TensorFlow fue liberado como Software Libre en Noviembre
de 2015. Este permite la creación de modelos entrenados en
producción.
Usos de Tensorflow y Machine Learning.
- Visión Artificial.

- Procesamiento del lenguaje natural(Natural Language

Processing).

- Uso de AI en juego.

- Reconocimiento de la voz y generación de esta.

- Traducción automática.

- Muchos más!
Tipos de Machine Learning
1. Supervisado(Supervised).

2. No supervisado(Unsupervised).

3. Reinforment Learning.
1. Supervisado
* Los datos de entrada están previamente
etiquetados(labelled).

* Labelled data.

* El modelo se entrena con iteraciones.

2. No supervisado.
* Los datos no están etiquetados(labelled).

* Data only.

* El modelo deduce las estructuras.

3. Reinforment
* Aprende usando una función de recompensa(reward
function).

* Muy usado para juegos(Video Juegos, ajedrez, Go, entre

otros) DeepMind.
¿Por qué usar TensorFlow?
* Excelentes tutoriales, herramientas y demos.

* Una gran comunidad de desarrolladores(Framework de

Deep Learning con más estrellas en GitHub).

* Cross Platform.

* Construído para ser escalable.

Pasos para construir un modelo.
* Dataset o Corpus.

* Normalización o limpieza de los datos.

* Definir hiperparámetros.

* Contruír tu gráfico.

* Ejecutar.

* Validar.
Cómo usar Machine Learning.
* Cloud APIs(MLaaS).

* Usar un modelo previamente entrenado.

* Seguir las instrucciones para entrenar un modelo.

* Reentrenar el modelo.

* Entrenar tu propio modelo desde el inicio(From Scratch).

Conceptos básicos de TensorFlow.
Tensors son cómo los datos son representado en
TensorFlow. Son arrays multidimensionales.

Los Tensors son pasados como inputs y outputs para cada

operación o nodo.
Podríamos decir que los Tensors fluyen entre operaciones...
De ahí el nombre TensorFlow.

Un gráfico contiene un grupo de nodos llamados operaciones

TensorFlow Mobile vs TensorFlow Lite
* TensorFlow Lite es una evolución de TensorFlow Mobile.
En la mayoría de los casos las aplicaciones desarrolladas
con TensorFlow Lite tendrán un tamaño binario menor,
menos dependencias y mejor desempeño.

* TensorFlow Lite es un preview para desarrolladores, así

que no todos los casos están cubiertos. Es preferible usar
TensorFlow Mobile para cubrir los casos de producción.
* TensorFlow Lite soporta solo un grupo limitado de
operadores, así que no todos los modelos funcionarán por
defecto. TensorFlow Mobile tiene un grupo completo de
funcionalidades soportadas.
Merci Beaucoup!
Referencias
* https://www.youtube.com/watch?v=B6Xx67liMCk

* https://www.youtube.com/watch?v=GPDDK2CD-00

* https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#0

* https://codelabs.developers.google.com/codelabs/tensorflow-for-poets-2/#0

*https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android

* https://www.tensorflow.org/