Comprender la visi贸n computarizada

1

驴Por qu茅 aprender computer vision?

2

驴Qu茅 es la visi贸n computarizada?

3

Tipos de visi贸n computarizada

4

Introducci贸n a object detection: clasificaci贸n + localizaci贸n

5

Aprende a identificar problemas

Dimensionamiento de proyecto de visi贸n computarizada

6

C贸mo definir los tiempos de tu proyecto

7

C贸mo costear tu proyecto

8

C贸mo identificar los roles necesarios en el proyecto

9

Producto m铆nimo viable en computer vision

Obtenci贸n y procesamiento de los datos

10

Obtenci贸n de datos para tu proyecto

11

Limpieza de la base de datos

12

Distribuci贸n 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

Librer铆as a importar durante fase de entrenamiento

18

Fase de entrenamiento del modelo

19

Balanceo de im谩genes y data augmentation

20

Entrena, evalua y optimiza con TensorBoard

21

Validaci贸n de modelo en un entorno de ejecuci贸n

22

Re-entrenamiento del modelo para obtener mejores resultados

23

Seguimiento de centroides con OpenCV

24

Configuraci贸n de los centroides con OpenCV

25

Algoritmo de direcci贸n y conteo con OpenCV

26

Crea un ciclo de entrenamiento de tu modelo: MLOps

Producto con visi贸n computarizada en producci贸n

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 producci贸n

31

Bonus: aprende a apagar las m谩quinas de GCP para evitar sobrecostos

Siguientes pasos en inteligencia artificial

32

Siguientes pasos en inteligencia artificial

33

Comparte tu proyecto de detecci贸n de veh铆culos en carretera y certif铆cate

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Limpieza de la base de datos

11/33
Recursos

Aportes 3

Preguntas 1

Ordenar por:

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

o inicia sesi贸n.

Cuando se describen las imagenes, no se ve a que imagen esta haciendo referencia (1:51min)

Limpieza de las bases de datos

  • Los datos son lo m谩s importante al momento de llevar a cabo la creaci贸n de un modelo.
  • Porque si se tienen malos los datos, malas etiquetas, entonces, el modelo va a arrojar malos resultados.
  • Es importante tomarse un tiempo prudente para poder navegar a trav茅s de nuestra base de datos.
  • Encontrar posibles datos duplicados
  • Encontrar posibles im谩genes corruptas.
  • Im谩genes que no generan valor para el modelo de negocio.
  • En el proceso de selecci贸n y limpieza de la base de datos, se recomienda hacerlo en conjunto a un experto; que tenga claro para que se van a aplicar estos datos, porque se van a clasificar y cu谩l es el resultado final que se est谩 esperando.

Es importante analizar la base de datos por

  • Cada base de datos buscar solucionar un problema diferente. Es muy diferente si se crea un algoritmo que detecte veh铆culos, motos desde c谩maras de seguridad a que lo que haga desde la entrada de un parqueadero (estacionamiento).

  • Lo que se busca con la base de datos es que generalice en un modelo la detecci贸n que se piensa hacer y que a su vez este alineada al entorno en el que va a funcionar.

Me emocion茅!!!1