Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la Visión por Computadora
- Descripción general de las aplicaciones de visión por computadora
- Comprensión de los datos e formatos de imagen
- Desafíos en las tareas de visión por computadora
Introducción a las Redes Neuronales Convolucionales (CNN)
- ¿Qué son las CNN?
- Arquitectura de las CNN: Capas convolucionales, agrupamiento y capas completamente conectadas
- Cómo se utilizan las CNN en la visión por computadora
Práctica con TensorFlow y Google Colab
- Configuración del entorno en Google Colab
- Uso de TensorFlow para la construcción de modelos
- Construcción de un modelo CNN simple en TensorFlow
Técnicas Avanzadas de CNN
- Aprendizaje por transferencia para CNN
- Ajuste fino de modelos preentrenados
- Técnicas de aumento de datos para mejorar el rendimiento
Preprocesamiento y Aumento de Imágenes
- Técnicas de preprocesamiento de imágenes (escalado, normalización, etc.)
- Aumento de datos de imagen para un mejor entrenamiento del modelo
- Uso de la canalización de datos de imagen de TensorFlow
Construcción y Despliegue de Modelos de Visión por Computadora
- Entrenamiento de CNN para clasificación de imágenes
- Evaluación y validación del rendimiento del modelo
- Despliegue de modelos en entornos de producción
Aplicaciones del Mundo Real de la Visión por Computadora
- Visión por computadora en salud, retail y seguridad
- Detección y reconocimiento de objetos impulsados por IA
- Uso de CNN para el reconocimiento facial y de gestos
Resumen y Próximos Pasos
Requerimientos
- Experiencia con programación en Python
- Comprensión de conceptos de aprendizaje profundo
- Conocimientos básicos de redes neuronales convolucionales (CNN)
Público objetivo
- Científicos de datos
- Profesionales de IA
21 Horas
