Contacta con nosotros

Temario del curso

Introducción a la visión por computadora

  • Panorama de las aplicaciones de la visión por computadora
  • Comprensión de los datos y formatos de imagen
  • Desafíos en las tareas de visión por computadora

Introducción a las redes neuronales convolucionales (CNN)

  • ¿Qué son las CNN?
  • Arquitectura de las CNN: capas convolucionales, agrupamiento (pooling) y capas totalmente conectadas
  • Cómo se utilizan las CNN en la visión por computadora

Práctica con TensorFlow y Google Colab

  • Configuración del entorno en Google Colab
  • Uso de TensorFlow para la construcción de modelos
  • Construcción de un modelo CNN simple en TensorFlow

Técnicas avanzadas de CNN

  • Aprendizaje por transferencia para CNN
  • Ajuste fino de modelos preentrenados
  • Técnicas de aumento de datos para mejorar el rendimiento

Preprocesamiento y aumento de imágenes

  • Técnicas de preprocesamiento de imágenes (escalado, normalización, etc.)
  • Aumento de datos de imagen para un mejor entrenamiento del modelo
  • Uso del pipeline de datos de imágenes de TensorFlow

Construcción y despliegue de modelos de visión por computadora

  • Entrenamiento de CNN para clasificación de imágenes
  • Evaluación y validación del rendimiento del modelo
  • Despliegue de modelos en entornos de producción

Aplicaciones reales de la visión por computadora

  • Visión por computadora en salud, retail y seguridad
  • Detección y reconocimiento de objetos impulsados por IA
  • Uso de CNN para reconocimiento facial y de gestos

Resumen y próximos pasos

Requerimientos

  • Experiencia en programación con Python
  • Comprensión de conceptos de aprendizaje profundo
  • Conocimientos básicos de redes neuronales convolucionales (CNN)

Público objetivo

  • Científicos de datos
  • Practicantes de inteligencia artificial
 21 Horas

Número de participantes


Precio por participante

Testimonios (1)

Próximos cursos

Categorías Relacionadas