¿Por qué aprender computer vision?
Contenido del curso
Dimensionamiento de proyecto de visión computarizada
Obtención y procesamiento de los datos
- 10
Obtención de datos para tu proyecto
07:36 min - 11
Limpieza de la base de datos
03:19 min - 12
Distribución de datos en entrenamiento y testeo
14:37 min - 13
Etiquetado de los datos de test
15:09 min - 14
Etiquetado de los datos de train
03:35 min - 15
Transforma tu base de datos a TFRecord
16:07 min - 16
Transformar CSV a TFRecord
11:23 min
Entrena, testea y optimiza tus modelos
- 17
Librerías a importar durante fase de entrenamiento
00:40 min - 18
Fase de entrenamiento del modelo
14:02 min - 19
Balanceo de imágenes y data augmentation
15:54 min - 20
Entrena, evalua y optimiza con TensorBoard
14:10 min - 21
Validación de modelo en un entorno de ejecución
17:12 min - 22
Re-entrenamiento del modelo para obtener mejores resultados
02:57 min - 23
Seguimiento de centroides con OpenCV
12:42 min - 24
Configuración de los centroides con OpenCV
09:54 min - 25
Algoritmo de dirección y conteo con OpenCV
14:57 min - 26
Crea un ciclo de entrenamiento de tu modelo: MLOps
05:55 min
Producto con visión computarizada en producción
Siguientes pasos en inteligencia artificial
¿Por qué aprender computer vision?
