Lo que aprenderás
- Entender los conceptos fundamentales del procesamiento de imágenes, útil para posteriormente entender Deep Learning, esto utilizando OpenCV
- Entender los principios por los que Machine Learning funciona para aplicarlos en la creación de redes neuronales
- Implementar soluciones innovadoras de Deep Learning en problemas del mundo real
- Aprender a utilizar TensorFlow como herramienta principal en la construcción de diferentes soluciones basadas en redes neuronales
Requisitos
- Python básico, funciones, ciclos... Numpy. Matemáticas básicas de colegio.
- se recomienda tomar el curso de computer vision y machine learning con python, ya que trata en mayor profundidad los temas de procesamiento de imágenes y ML tradicional, sin embargo no es obligatorio, al principio se hará un resumen de estos temas
Descripción
DESCRIPCIÓN DEL CURSOEn este curso aprenderás a aplicar soluciones basadas en redes neuronales, entendiendo primero de forma intuitiva su funcionamiento y desarrollando proyectos muy llamativos con aplicación evidente en el mundo real.
Aquí lo que aprenderás en cada sección:
- Introducción al procesamiento de imágenes
- Los fundamentos del Deep Learning vienen en gran parte del procesamiento de señales, aquí miraremos lo que nos será de utilidad para entender sistemas de DL más complejos.
- Introducción al Machine Learning
- A partir de un proyecto de reconocimiento de lunares de piel, aprenderás como podemos modelar el concepto de aprendizaje.
- Después llevaremos este conocimiento más allá, implementarás tu primera red neuronal para reconocer caracteres escritos a mano
- La red neuronal convolucional para detectar tumores cerebrales
- Aprenderas sobre el tipo de red neuronal más utilizado en el mundo de la visión artificial, la Red Neuronal Convolucional para detectar tumores cerebrales en imágenes.
- También utilizaremos herramientas como TensorBoard para monitorear los entrenamientos y hablaremos de conceptos como Overfitting.
- Qué ven las Redes Neuronales Convolucionales? - ML interpretable
- Aquí entraremos a tratar el tema de interpretabilidad en sistemas de Machine Learning, con esto entenderemos las razones por las cuales un sistema tomó determinada decisión.
- Transfer Learning para la detección de Covid y neumonía
- Introduciremos un concepto muy poderoso llamado Transfer Learning y veremos cómo puede mejorar la efectividad cuando los datasets son pequeños con esta herramienta.
- Image Search para encontrar la evolución de un Pokemon (si, estás leyendo bien)
- Aprenderás a encontrar la evolución de un Pokemon de entre cientos de imágenes sin ningún tipo de información del contexto o etiquetas, sólo una imagen de entrada.
- Deep Clustering para detección de expresiones faciales
- Utilizaremos técnicas de Machine Learning no supervisado para encontrar patrones en imágenes
- Deep Reinforcement Learning para crear sistemas que juegan Atari automáticamente
- Hablaremos sobre un nuevo paradigma en Machine Learning basado en la interacción con el entorno, utilizaremos redes neuronales para implementar un agente que juegue Atari tomando decisiones de forma automática.
- La CNN 3D para detección de violencia en video
- Llevaremos la red neuronal convolucional a un nuevo nivel, para no solo procesar imágenes sino también video, reconociendo situaciones de peleas, robos...
- Aprenderemos sobre los TFrecords, técnicas de regularización y el fundamento estadístico de Machine Learning
- Detección de objetos para reconocer cartas en imágenes
- Abordaremos el tema de la detección de objetos, aprendiendo sobre la Faster-RCNN e implementando este sistema en un problema de detección de multiples cartas de juego en imágenes.
¿Para quién es este curso?
- Personas con conocimiento básico de python con deseo de entrar al mundo del Machine Learning/ Data Science/Inteligencia Artificial
ENLACE DE DESCARGA:
El contenido de este bloque oculto solo puede ser visto por miembros del rango: Beta, Contribuidor, Donador, Gamma
CONTRASEÑA: ebzo.net
OJO: Tiene una contraseña de proteccion en el servidor. Se la puse para proteccion. Me la pides al privado.
Última edición: