Computer Vision with GluonCV (Spanish)

Descripción

En este curso, obtendrá conocimientos útiles sobre los componentes de una red neuronal convolucional (CNN), como las convoluciones y las capas de agrupación, entre otros. En este curso, Alex Smola y Tong He muestran cómo implementar algunas técnicas de visión artificial con GluonCV, un conjunto de herramientas de visión artificial.

Nota: Este curso tiene transcripciones o subtítulos localizados. La narración está en inglés.Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha del reproductor.

Público objetivo

Este curso está dirigido a los siguientes destinatarios:

• desarrolladores que buscan implementar modelos comunes de visión artificial

Objetivos del curso

En este curso, aprenderá a realizar lo siguiente:

• resumir varios componentes de la red neuronal convolucional, como las convoluciones, el relleno y los canales
• traducir los componentes a código en el momento de crear una red neuronal como LeNet
• importar sus datos a un cargador de datos de Gluon para su entrenamiento y transformación.

Requisitos previos

Recomendamos que los asistentes a este curso cumplan con los siguientes requisitos previos:

• conocimientos básicos sobre las redes neuronales artificiales
• conocimientos básicos sobre temas de álgebra lineal como matrices, multiplicación de matrices y productos escalares

Modalidad del curso

Este curso se imparte de la siguiente manera:

• capacitación digital

Duración

2 horas

Esquema del curso

En este curso, se tratarán los siguientes conceptos:

• Convoluciones
• Relleno y paso
• Canales
• Agrupación
• LeNet
• Funciones de activación
• Dropout
• Normalización por lotes
• Bloques
• La maldición de la última capa
• Redes residuales
• Procesamiento de datos