Este sitio web utiliza Cookies propias y de terceros para recopilar información con la finalidad de mejorar nuestros servicios. Si continua navegando, supone la aceptación de la instalación de las mismas. El usuario tiene la posibilidad de configurar su navegador pudiendo, si así lo desea, impedir que sean instaladas en su disco duro, aunque deberá tener en cuenta que dicha acción podrá ocasionar dificultades de navegación de la página web.
Como Configurar Aceptar
Los datos bien tratados se pueden transformar en conocimiento, a menudo de forma sorprendente.
Desde APSL queremos darles nuestra enhorabuena a los miembros del PyData Mallorca, que éste pasado viernes 5 de Octubre dictaron su taller de Introducción a Data Science en Python en la reunión anual de la PyconEs, celebrada en Málaga los días 5,6 y 7 de Octobre del 2018.
El paso 6 de Junio de 2018, Juan Carlos Gonzalez-Avella miembro del Departamento de Data Science de APSL ha publicado un articulo científico titulado Coordination in a skeptical two-group population” en la revista Journal of Economic Interaction and Coordination (link: https://link.springer.com/article/10.1007%2Fs11403-018-0223-x) y en colaboración con científicos del grupo de Dynamics and Collective Phenomena in Social and Socio-technical Systems del Instituto de Física Intersdisciplinar y Sistemas Complejos (IFISC) adjunto a la Universidad de las Islas Baleares, y el Instituto Complutense de Análisis Económico (ICAE) de la Universidad Complutense de Madrid.
Los pasados días 23 y 24 de abril APSL ha tenido el placer de participar en la segunda edición del Smart Island World Congress, una gran iniciativa que coloca a Mallorca en el epicentro del debate sobre la gestión inteligente de ciudades y territorios insulares.
En este tutorial vamos a mostrar cómo utilizar otra de las API para TensorFlow llamada Keras para la construcción de redes neuronales.
En éste tutorial seguimos con la implementación de Redes Neuronales Convolucionales para el reconocimiento de imágenes usando en el Tutorial I. Al igual que en el Tutorial III, implementar redes neuronales usando la API Prettytensor que nos permite usar sintaxis mucho más simple que una implementación directa en TensorFlow native . Pero en esta ocasión, aprenderemos como guardar el valor de las variables de la red neuronal siempre que su precisión de clasificación durante el entrenamiento haya mejorado. Luego, aprenderemos a cargar las variables que obtuvieron mejores resultados en el conjunto de validación.
