Redes convolucionales y su importancia

1

La importancia del computer vision

2

驴Qu茅 herramientas usaremos para redes neuronales convolucionales?

3

驴Qu茅 son las redes convolucionales?

Mi primera red neuronal convolucional

4

Creando nuestra primera red convolucional

5

Entrenando nuestra primera red convolucional

Manejo de im谩genes

6

Consejos para el manejo de im谩genes

7

Manejo de im谩genes con Python

Fundamentos de redes neuronales convolucionales

8

Kernel en redes neuronales

9

El kernel en acci贸n

10

Padding y Strides

11

Capa de pooling

12

Arquitectura de redes convolucionales

Quiz: Fundamentos de redes neuronales convolucionales

Resolviendo un problema de clasificaci贸n

13

Clasificaci贸n con redes neuronales convolucionales

14

Creaci贸n de red convolucional para clasificaci贸n

15

Entrenamiento de un modelo de clasificaci贸n con redes convolucionales

Optimizaci贸n de red neuronal convolucional

16

Data augmentation

17

Aplicando data augmentation

18

Callbacks: early stopping y checkpoints

19

Batch normalization

20

Optimizaci贸n de modelo de clasificaci贸n

21

Entrenamiento de nuestro modelo de clasificaci贸n optimizado

Quiz: Optimizaci贸n de red neuronal convolucional

Resolviendo una competencia de Kaggle

22

Clasificando entre perros y gatos

23

Entrenamiento del modelo de clasificaci贸n de perros y gatos

Resumen y siguientes pasos

24

Siguientes pasos con redes neuronales convolucionales

25

Comparte tu proyecto de clasificaci贸n con redes convolucionales y certif铆cate

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Reg铆strate

Comienza en:

1D
7H
10M
20S

La importancia del computer vision

1/25
Recursos

Aportes 15

Preguntas 0

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.


Esper茅 semanas este curso 鉂わ笍

ESTE CURSO ES MAS QUE BUENO, PERO ES DE LOS MAS DIFICILES, ES DE IR DE POCO EN POCO, NO SE FRUSTREN, ES UN GRAN CURSO, PERO DEBEN IR PRACTICANDO CADA ETAPA Y EN MI CASA CASA SECCION LO VI 3 VECES PARA ENTENDERLO BIEN, REVISANDO EL MATERIAL COMPLEMENTARIO.

REPITO, ES UN GRAN CURSO, VALE ORO, PERO DEBE SER TOMADO BIEN DESPACION Y REPETIRLO PARA ACLARARLO.

Por fin!!!

He esperado este curso incluso sin saber que se iba a lanzar.

Video sobre computer vision de los 50鈥檚 o 60鈥檚 para clasificar im谩genes
https://www.youtube.com/watch?v=cNxadbrN_aI

https://github.com/MauricioParadaG/computer-vision-python-keras
Yo hice commits de cada clase por si quieren conocer la forma m谩s reciente de importar las librerias.
CLARA-mente todo es visual studio code que funciona bien

隆buen铆simo curso! me encant贸

ahora si viene lo bueno!!! uwu

Estaba esperando este curso 馃槃.

Vengo del futuro, he terminado 茅xitosamente este curso y me complace compartirte el siguiente repositorio de Github

d贸nde podr谩s encontrar todo lo visto en la clase, con ejemplos y una mayor explicaci贸n a detalle de los temas vistos.

https://github.com/ichcanziho/Deep_Learnining_Platzi/tree/master/2 Curso de Redes Neuronales Convolucionales

馃槃 Saludos

La importancia del computer vision

  • Relacionado con un campo especifico de la inteligencia artificial llamado vision de computadora 鈥渃omputer vision鈥, buscando similar la vision que tienen los humanos y llevarla a las maquinas.

  • Se le ensena a las maquinas a interpretar est铆mulos visuales y por lo tanto que estas generen la capacidad de 鈥渧er鈥 para as铆 poder clasificar im谩genes: si hay un perro o un gato, si una radiograf铆a presentar las caracter铆sticas y as铆 poder diagnosticar un c谩ncer o no.

  • Tambi茅n est谩 la detecci贸n de objetos, vision en un auto detectando peatones, animales, intersecciones, etc.

  • La transferencia de estilos: simula y transfiere de una imagen a otra las caracter铆sticas significativas haciendo as铆 una r茅plica exacta o incluso distinta respecto de la original.

  • GANS (redes adversarias generativas): son redes neuronales capaces de captar patrones o diferentes estilos para as铆 poder generar data desde cero basado en esos patrones.

  • Reconocimiento facial: usado en sistemas de seguridad biom茅trico tomando caracter铆sticas particulares para as铆 discriminar en su clasificaci贸n.

Entusiasta y expectante!

Para los gamers, el DLSS o Deep Learning Super Sampling de Nvidia, eleva el rendimiento de tu gr谩fica al escalar una imagen de menor resoluci贸n, rellenando los p铆xeles faltantes con p铆xeles producto del entrenamiento de redes neuronales.

Que maravilla, dos cursos seguidos de este magnifico profesor en mi ruta de MLE

muy bueno

隆Wow!

隆Qu茅 emoci贸n!

馃挭馃徑馃榿馃ぉ馃ぉ馃ぉ