TensorFlow en detalle: Fundamentos de hardware y compilador

Escribir código de aprendizaje automático en TensorFlow y Keras es fácil, pero ¿sabe qué sucede realmente cuando su modelo se compila y se ejecuta? Comprender el puente entre el código de aprendizaje automático de alto nivel y el hardware físico es la clave para escribir modelos eficientes y altamente optimizados.\n\nEste curso de solo texto lo guía a través de la relación fundamental entre el software de aprendizajes automáticos, los compiladores y los aceleradores de hardware. Pasará de escribir código a comprender exactamente cómo se asignan las redes neuronales a las CPU, GPU y TPU para obtener el máximo rendimiento.\n\nQué aprenderá:\n- Comprender la mecánica fundamental de cómo los compiladores traducen las operaciones de alto nivel de TensorFlow en código máquina.\n- Explorar las diferencias arquitectónicas entre CPU, GPU y TPU, y cómo manejan las operaciones de matriz.\n- Aprenda cómo los compiladores optimizan los gráficos de ejecución para reducir la sobrecarga de memoria y la latencia.\n - Analice cómo TensorFlow y Keras administran la memoria y distribuyen las cargas de trabajo bajo el capó.\n Este curso comienza con la terminología esencial, explicando los conceptos básicos de la arquitectura de computadoras y la teoría del compilador antes de pasar a la práctica de mapeo hardware-software. Leerá explicaciones detalladas, analizará conceptos arquitectónicos y estudiará patrones de ejecución de código para dominar la mecánica subyacente de la ejecucion de aprendizaje automático.\n\nEste curso está diseñado para desarrolladores curiosos, científicos de datos y principiantes que desean ir más allá del uso básico de API y comprender el lado de los sistemas del aprendizaje de máquinas. No se requieren conocimientos avanzados de hardware.\n\nComience a leer hoy mismo para desbloquear todo el potencial de sus modelos de aprendizaje automático dominando la conexión hardware-software.