1.1 - Herramientas
Vamos a presentaros muy brevemente las herramientas que utilizaremos para la puesta en práctica de los algoritmos de Deep Learning. Iremos desplegándolas una a una. Dependiendo de cómo queráis construir el entorno es posible que algunas no sean necesarias.
TensorFlow
TensorFlow es una biblioteca de Python creada por Google. Ha llegado ha convertirse en un pilar fundamental para el desarrollo de algoritmos de Machine Learning. TensorFlow nos permite operar con vectores, indispensables en el Aprendizaje Profundo.
Jupyter Notebook
Jupyter Notebook o cuadernos de Jupyter son interfaces interactivas que combinan código con anotaciones de texto e imágenes, todo ello desde la ventana del navegador. El resultado es una suerte de cuaderno legible, ideal para trabajar en equipo en proyectos complejos.
Keras
Keras es otra biblioteca de Python que ha adquirido gran relevancia a raíz de su integración con TensorFlow. Permite operaciones de más alto nivel que este último. Como resultado, programar una red neuronal es cuestión de pocos minutos.
Colab
Entrenar una red neuronal requiere de gran cantidad de recursos computacionales ¿Crees que tu máquina no rendirá lo suficiente? Colab permite solucionar esto, ofreciéndonos la posibilidad de ejecutar nuestros algoritmos en la nube de Google.
Anaconda
Anaconda es una plataforma desde la que gestionaremos nuestros programas y su ejecución. Su instalación incluye Anaconda Navigator, desde el que podremos gestionar nuestras aplicaciones, así como Conda, el entorno de desarrollo definitivo para trabajar con Python.
Visual Studio
Si prefieres trabajar en local y tu computadora te lo permite, esta herramienta de Microsoft será el entorno donde desplegaremos nuestros cuadernos de Jupyter. También será el compilador que comprenda y ejecute las instrucciones en lenguaje Python.
