Comprender la visión computarizada

1

¿Por qué aprender computer vision?

2

¿Qué es la visión computarizada?

3

Tipos de visión computarizada

4

Introducción a object detection: clasificación + localización

5

Aprende a identificar problemas

Dimensionamiento de proyecto de visión computarizada

6

Cómo definir los tiempos de tu proyecto

7

Cómo costear tu proyecto

8

Cómo identificar los roles necesarios en el proyecto

9

Producto mínimo viable en computer vision

Obtención y procesamiento de los datos

10

Obtención de datos para tu proyecto

11

Limpieza de la base de datos

12

Distribución de datos en entrenamiento y testeo

13

Etiquetado de los datos de test

14

Etiquetado de los datos de train

15

Transforma tu base de datos a TFRecord

16

Transformar CSV a TFRecord

Entrena, testea y optimiza tus modelos

17

Librerías a importar durante fase de entrenamiento

18

Fase de entrenamiento del modelo

19

Balanceo de imágenes y data augmentation

20

Entrena, evalua y optimiza con TensorBoard

21

Validación de modelo en un entorno de ejecución

22

Re-entrenamiento del modelo para obtener mejores resultados

23

Seguimiento de centroides con OpenCV

24

Configuración de los centroides con OpenCV

25

Algoritmo de dirección y conteo con OpenCV

26

Crea un ciclo de entrenamiento de tu modelo: MLOps

Producto con visión computarizada en producción

27

Prepara tu entorno en Google Cloud Platform

28

Carga y preprocesamiento de modelos

29

Postprocesamiento de modelos

30

Despliega y consume tu modelo en producción

31

Bonus: aprende a apagar las máquinas de GCP para evitar sobrecostos

Siguientes pasos en inteligencia artificial

32

Siguientes pasos en inteligencia artificial

33

Comparte tu proyecto de detección de vehículos en carretera y certifícate

Crea una cuenta o inicia sesión

¡Continúa aprendiendo sin ningún costo! Únete y comienza a potenciar tu carrera

Aprende a identificar problemas

5/33
Recursos

Aportes 5

Preguntas 0

Ordenar por:

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

o inicia sesión.

Me parece una idea genial agregar este tipo de contenido en el curso. El código no lo es todo, somos desarrolladores y como tal debemos también aprender a crear soluciones cercanas a nuestra realidad. Esta es la semilla de la cuál nacieron empresas y emprendedores que han cambiado la historia de la humanidad.

Sin duda bien atinado incluir esta temática en el curso, espero se tome de ejemplo para los siguientes cursos.
.
Por otro lado, muy interesante el caso de estudio:

  • Problema: Todos los días me toma alrededor de 2 horas para llegar a mi casa: congestión vehicular
  • Causa: no existen métricas en tiempo real que nos permitan monitorizar y analizar la distribución de vehículos en mi ciudad, no hay analítica en tiempo real
  • Solución: generar métricas en tiempo real a la ciudadanía para que se pueda modificar vías (en el largo plazo), gestionar el flujo por las rutas (en el corto plazo)
  • Viabilidad de la solución: las ciudades mexicanas pierden 94 mil millones de pesos (4.6 mil millones de USD) por el tráfico al año.
    .
    Y me quedo con esta magnífica frase, que nos ayuda a mantener los pies en la tierra a los que somos muy entusiastas.

Algo importante a destacar.

Las arquitecturas de Redes Neuronales pueden llegar a ser automatizadas, pero todo problema a resolver requiere un análisis que va más allá de solo implementar código. Justo como mencionan en la clase, el modelo de negocio y la interacción con el cliente para crear un modelo más adecuado a las necesidades y recursos es lo que hace que esta profesión no sea completamente automatizada en un futuro y requiera la capacidad analítica de un humano.

5. Aprende a identificar problemas

Los programadores de hoy deben tener una idea general de cómo identificar problemas y resolverlos en producción.

Identificación de problemas

  1. Encuentra problemas
  2. Entiende cuál es el resultado que buscas.
  3. Conoce usuarios.

La solución NO siempre es IA. La solución no siempre es tecnología.

"Enamórate del problema no de la solución"
Uri Levine, reador de Waze

Yo cambiaria la frase de “enamorate del problema no de la solucion” por, “ama el proceso, no el resultado”.
Ambas son muy buenas. pero para este mundo creo que va mejor la segunda.