Una introducción estructurada a las redes neuronales, la intuición de las CNN, los modelos de visión preentrenados y la práctica del aprendizaje por transferencia.
Avanza desde el papel del aprendizaje profundo y las familias de redes neuronales hasta los fundamentos de PyTorch, la estructura convolucional, los modelos preentrenados y el aprendizaje por transferencia. La última lección ofrece el contexto acotado de un proyecto de clasificación de imágenes. El material se presenta mediante demostraciones de CampusX en YouTube; antes de implementar un proyecto, comprueba las API de los entornos de desarrollo y los términos de los conjuntos de datos en la documentación vigente.
Distinguir los enfoques de aprendizaje profundo de los flujos de trabajo más amplios del aprendizaje automático. Describir intuitivamente qué aportan las convoluciones a un modelo de imágenes. Comparar la extracción de características y el ajuste fino como estrategias de aprendizaje por transferencia. Planificar un experimento de clasificación de imágenes con una partición de datos y una revisión de errores.
Es útil contar con conocimientos básicos de Python y vocabulario introductorio de aprendizaje automático. Debes sentirte cómodo instalando paquetes y leyendo ejemplos de código breves.
Principiantes que buscan una introducción clara y guiada, sin jerga innecesaria
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
7 lecciones · Principiante · 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.