REDES CONVOLUCIONALES EN TENSORFLOW
REDES CONVOLUCIONALES EN TENSORFLOW
CURSO ON-LINE
* Clases teóricas
* Ejercicios prácticos
* Evaluaciones
Se otorga certificación oficial de Coursera
Horario: sábados de 14 a 18 - Hora de Buenos Aires GMT-3
Comienzo: sábado 13 de marzo
Horas: 16 en cuatro clases de cuatro horas
ARANCEL: $AR 6.000
Precio general: pago único de U$S 150
Si sos un desarrollador que desea construir algoritmos de Inteligencia Artificial poderosos y escalables, este curso te va a ayudar a entender las herramientas necesarias para construirlos.
Mostraremos las mejores prácticas para usar TensorFlow, un framework open source para machine learning muy popular. Veremos técnicas avanzadas para mejorar los modelos de Computer Vision.
Exploraremos cómo trabajar con imágenes del mundo real con formas y tamaños diferentes, visualizaremos el camino de una imagen a través de la convoluciones para entender cómo "ve" la información una computadora, plotearemos la pérdida y el accuracy
y exploraremos estrategias para prevenir el overfitting, como data augmentation y dropout.
Finalmente, daremos una introducción a transfer learning y cómo se pueden extraer los features aprendidos de los modelos.
Veremos los principios fundacionales de Machine Learning y Deep Learning. Mostraremos cómo usar TensorFlow para implementar esos principios para que puedas comenzar a construir modelos escalables para aplicarlos a problemas del mundo real.
El objetivo es desarrollar un entendimiento profundo sobre cómo trabajan las redes neuronales.
1 - Explorando un dataset grande
- Gatos y perros: entrenamiento
- Fixing through cropping
- Analizando accuracy y loss
2 - Data Augmentation
Augmentation
Augmentation con ImageDataGenerator
Overfitting
Perros y gatos - Humanos y caballos
3 - Transfer Learning
- Conceptos de transfer learning
- Dropout
- Transfer learning con inception
4 - Clasificaciones multiclase
- De clasificaciones binarias a multiclase
- Explorando clasificaciones multiclase con el dataset piedra, papel o tijera