Estudia detección, predicción de conjuntos y aprendizaje activo.
Recorre la detección de objetos desde la definición de la tarea hasta la predicción de conjuntos de tipo DETR, el diseño transformer y el aprendizaje activo probabilístico para seleccionar anotaciones. Distingue localización por imagen del seguimiento temporal y considera métricas, particiones, calidad de anotación y cómputo. Los vídeos en inglés se acompañan de notas originales.
Especificar una tarea de detección e interpretar conjuntamente localización, clasificación y métricas. Explicar la detección transformer basada en conjuntos y sus decisiones de diseño y emparejamiento. Evaluar detección eficiente en datos con particiones, presupuestos y referencias apropiados.
Se recomienda conocer CNN, clasificación de imágenes y aprendizaje supervisado. Cajas, precisión/recobrado y particiones son útiles; no se requiere un framework concreto.
Personas con experiencia que quieren profundizar y aplicar habilidades avanzadas de IA
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Avanzado · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.