Recursos

Transcripción

Aportes 7

Preguntas 3

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Alan Hurtarte

hace 3 años

Me parece increíble que ya estemos en el punto de codeless para ML también. Solo quisiera que dieran mas referencias en cuanto costos. En comparación, ¿es mas costoso vertex que usar notebooks?

Dave Sanchfor

hace 2 años

super exitosa clase, se logro el cometido y muy bien explicado

![](

aca otro ejemplo con una foto personal

![](

jhon freddy tavera blandon

hace 7 meses

### Preparación de Datos: * **Ingestión de Datos:** Importa tus imágenes desde fuentes como Google Cloud Storage u otras plataformas de almacenamiento. * **Etiquetado de Datos:** Etiqueta tus imágenes con información relevante como categorías, objetos, regiones de interés, etc. * **Preprocesamiento de Datos:** Aplica transformaciones como redimensionamiento, normalización, aumento de datos, entre otros, para mejorar la calidad de tus datos y la eficiencia del entrenamiento. ### 2. Desarrollo de Modelos: * **Elección del Modelo:** Vertex AI ofrece modelos preentrenados para tareas comunes como detección de objetos, clasificación de imágenes, reconocimiento facial, etc. También puedes entrenar modelos personalizados con TensorFlow, PyTorch u otras bibliotecas de ML. * **Entrenamiento del Modelo:** Utiliza tus datos etiquetados para entrenar el modelo, ajustando hiperparámetros y realizando validación cruzada para mejorar la precisión y generalización. ### 3. Evaluación del Modelo: * **Validación del Modelo:** Evalúa el rendimiento del modelo utilizando métricas como precisión, recall, F1-score, etc., en conjuntos de datos de prueba. * **Análisis de Errores:** Identifica y comprende los errores del modelo para iterar y mejorar su desempeño. ### 4. Implementación y Despliegue: * **Despliegue del Modelo:** Implementa el modelo entrenado como un servicio API para realizar inferencias en tiempo real. * **Integración con Aplicaciones:** Integra el servicio API de visión artificial en tus aplicaciones para realizar tareas como reconocimiento de objetos, clasificación de imágenes, detección de anomalías, etc. ### 5. Monitoreo y Gestión: * **Monitoreo del Servicio:** Supervisa el rendimiento del servicio API de visión artificial en producción, incluyendo métricas de latencia, uso de recursos y precisión. * **Actualización y Mantenimiento:** Realiza actualizaciones periódicas del modelo y del servicio para mantener su precisión y relevancia.