Cuando se describen las imagenes, no se ve a que imagen esta haciendo referencia (1:51min)
Comprender la visión computarizada
¿Por qué aprender computer vision?
¿Qué es la visión computarizada?
Tipos de visión computarizada
Introducción a object detection: clasificación + localización
Aprende a identificar problemas
Dimensionamiento de proyecto de visión computarizada
Cómo definir los tiempos de tu proyecto
Cómo costear tu proyecto
Cómo identificar los roles necesarios en el proyecto
Producto mínimo viable en computer vision
Obtención y procesamiento de los datos
Obtención de datos para tu proyecto
Limpieza de la base de datos
Distribución de datos en entrenamiento y testeo
Etiquetado de los datos de test
Etiquetado de los datos de train
Transforma tu base de datos a TFRecord
Transformar CSV a TFRecord
Entrena, testea y optimiza tus modelos
Librerías a importar durante fase de entrenamiento
Fase de entrenamiento del modelo
Balanceo de imágenes y data augmentation
Entrena, evalua y optimiza con TensorBoard
Validación de modelo en un entorno de ejecución
Re-entrenamiento del modelo para obtener mejores resultados
Seguimiento de centroides con OpenCV
Configuración de los centroides con OpenCV
Algoritmo de dirección y conteo con OpenCV
Crea un ciclo de entrenamiento de tu modelo: MLOps
Producto con visión computarizada en producción
Prepara tu entorno en Google Cloud Platform
Carga y preprocesamiento de modelos
Postprocesamiento de modelos
Despliega y consume tu modelo en producción
Bonus: aprende a apagar las máquinas de GCP para evitar sobrecostos
Siguientes pasos en inteligencia artificial
Siguientes pasos en inteligencia artificial
Comparte tu proyecto de detección de vehículos en carretera y certifícate
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Iniciar sesiónLimpieza de la base de datos
11/33Recursos
Aportes 3
Preguntas 1
Ordenar por:
Limpieza de las bases de datos
- Los datos son lo más importante al momento de llevar a cabo la creación 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 través de nuestra base de datos.
- Encontrar posibles datos duplicados
- Encontrar posibles imágenes corruptas.
- Imágenes que no generan valor para el modelo de negocio.
- En el proceso de selección 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 cuál es el resultado final que se está 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 vehículos, motos desde cámaras 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 detección que se piensa hacer y que a su vez este alineada al entorno en el que va a funcionar.
Me emocioné!!!1
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.