10 lecciones • 5 horas
Curso práctico donde aprenderás a implementar diferentes estrategias para realizar la clasificación de imágenes haciendo uso de Redes Convolucionales y de Redes Transformer.
Al final del curso habrás aprendido
- En qué consiste la clasificación de imágenes y cómo evaluar el desempeño de un modelo clasificador de imágenes
- Cuáles son las diferentes estrategias que podemos utilizar para clasificar imágenes usando diferentes arquitecturas Deep Learning (Redes Convolucionales y Redes Transformer)
- A implementar, con ayuda de Python, las diferentes estrategias de clasificación de imágenes
- A determinar la estrategia y el tipo de modelo de clasificación de imágenes más adecuado dependiendo de las particularidades del set de datos y del problema a resolver
Requisitos
- Experiencia en la programación en Python (acá en la Academia encontrarás los cursos Python Nivel Básico, Python Nivel Intermedio y Python Nivel Avanzado)
- Conocimiento en el manejo de la librería PyTorch para la implementación de modelos de Deep Learning (acá en la Academia encontrarás los cursos PyTorch Nivel Básico, PyTorch Nivel Intermedio y PyTorch Nivel Avanzado)
- Haber tomado el curso Introducción a la Visión por Computador con Deep Learning
Contenido
MÓDULO 1: INTRODUCCIÓN A LA CLASIFICACIÓN DE IMÁGENES
1 – Introducción a la clasificación de imágenes con Deep Learning
2 – Métricas de evaluación de un clasificador
3 – Redes Convolucionales y clasificación de imágenes
4 – El Vision Transformer y la clasificación de imágenes
MÓDULO 2: CLASIFICACIÓN DE IMÁGENES CON REDES CONVOLUCIONALES
5 – Clasificación con Redes Convolucionales pre-entrenadas
6 – Entrenamiento desde cero de una Red Convolucional
7 – Clasificación con transferencia de aprendizaje
MÓDULO 3: CLASIFICACIÓN DE IMÁGENES CON REDES TRANSFORMER
9 – Clasificación con el Vision Transformer pre-entrenado
10 – Afinación del Vision Transformer
