Domina Python: PyTorch

Este es el repositorio del curso de LinkedIn Learning Domina Python: PyTorch. El curso completo está disponible en LinkedIn Learning.

Consulta el archivo Readme en la rama main para obtener instrucciones e información actualizadas.

Aprende a dominar PyTorch y lleva tus habilidades en deep learning al siguiente nivel. Este curso está diseñado para personas desarrolladoras, personal de ciencia de datos y profesionales en aprendizaje automático interesados en crear y entrenar modelos de redes neuronales. Aborda tanto los fundamentos de PyTorch como aplicaciones avanzadas, proporcionando una comprensión completa y práctica de esta poderosa herramienta. Enfrenta desafíos específicos en deep learning y mejora tus proyectos con técnicas avanzadas. Aumenta tu capacidad para resolver problemas complejos con este enfoque práctico y detallado en PyTorch.

Instrucciones

Este repositorio tiene ramas (branches) para cada uno de los vídeos del curso. Puedes usar el menú emergente de la rama en GitHub para cambiar a una rama específica y echar un vistazo al curso en esa etapa, o puedes añadir /tree/nombre_de_la_rama a la URL para ir a la rama a la que quieres acceder.

Ramas

Las ramas están estructuradas para corresponder a los vídeos del curso. La convención de nomenclatura es Capítulo#_Vídeo#. Por ejemplo, la rama denominada 02_03 corresponde al segundo capítulo y al tercer vídeo de ese capítulo. Algunas ramas tendrán un estado inicial y otro final. Están marcadas con las letras i («inicio») y f («fin»). La branch i tiene el mismo código que al principio del vídeo. La branch f tiene el mismo código que al final del vídeo. La rama master tiene el estado final del código que aparece en el curso.

Instalación

1. Para utilizar estos archivos de ejercicios, debes tener descargado lo siguiente:

   • Python version 3.12.6 o superior
   • Editor de Código (En este curso se utiliza Visual Studio Code)

2. Clona este repositorio en tu máquina local usando la Terminal (macOS) o CMD (Windows), o una herramienta GUI como SourceTree.

3. Crea un ambiente virtual de Python: 3.1. Ambiente virtual en Windows:

   pip install virtualenv
   virtualenv <nombre del ambiente virtual>
   

   3.2. Activar el ambiente virtual de Python en Windows:

      .\<nombre del ambiente virtual>\Scripts\activate
   

   3.3. Ambiente virtual en Mac:

   python -m venv <nombre del ambiente virtual>
   

   3.4. Activar el ambiente virtual de Python en Mac:

   source <nombre del ambiente virtual>/bin/activate
   

4. Instalar las siguientes librerías de Python:

   • numpy
   • matplotlib
   • torch
   • torchvision
   • torchaudio

   4.1. Instala las librerías con el comando:

   pip install -r requirements.txt
   

Docente

Lincy González

Echa un vistazo a mis otros cursos en LinkedIn Learning.