Visión por computadora con Google Colab y TensorFlow
La visión por computadora es un campo en rápida evolución dentro de la inteligencia artificial, y TensorFlow es una de las herramientas más potentes disponibles para construir y desplegar modelos de visión. Este curso introduce a los participantes en técnicas avanzadas de visión por computadora utilizando TensorFlow y Google Colab, cubriendo áreas esenciales como las redes neuronales convolucionales (CNN) y las técnicas de procesamiento de imágenes.
Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen profundizar en su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar modelos de visión sofisticados utilizando Google Colab.
Al finalizar esta formación, los participantes serán capaces de:
- Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
- Aprovechar Google Colab para el desarrollo de modelos en la nube de manera escalable y eficiente.
- Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
- Desplegar modelos de visión por computadora para aplicaciones del mundo real.
- Utilizar el aprendizaje por transferencia (transfer learning) para mejorar el rendimiento de los modelos CNN.
- Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.
Formato del curso
- Charla interactiva y discusión.
- Abundantes ejercicios y prácticas.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para coordinar los detalles.
Temario del curso
Introducción a la visión por computadora
- Resumen de aplicaciones de la visión por computadora
- Comprensión de los datos y formatos de imágenes
- Desafíos en las tareas de visión por computadora
Introducción a las redes neuronales convolucionales (CNN)
- ¿Qué son las CNN?
- Arquitectura de las CNN: capas convolucionales, de agrupamiento (pooling) y completamente conectadas
- Uso de las CNN en visión por computadora
Práctica con TensorFlow y Google Colab
- Configuración del entorno en Google Colab
- Uso de TensorFlow para la construcción de modelos
- Creación de un modelo CNN sencillo en TensorFlow
Técnicas avanzadas de CNN
- Aprendizaje por transferencia (transfer learning) para CNN
- Ajuste fino (fine-tuning) de modelos preentrenados
- Técnicas de aumento de datos para mejorar el rendimiento
Preprocesamiento y aumento de datos de imágenes
- Técnicas de preprocesamiento de imágenes (escalado, normalización, etc.)
- Aumento de datos de imágenes para un mejor entrenamiento del modelo
- Utilización de la pipeline de datos de imágenes de TensorFlow
Construcción y despliegue de modelos de visión por computadora
- Entrenamiento de CNN para la clasificación de imágenes
- Evaluación y validación del rendimiento del modelo
- Despliegue de modelos en entornos de producción
Aplicaciones del mundo real de la visión por computadora
- Visión por computadora en salud, minorista y seguridad
- Detección y reconocimiento de objetos impulsados por IA
- Uso de CNN para el reconocimiento facial y de gestos
Requerimientos
- Experiencia en programación con Python
- Comprensión de los conceptos de aprendizaje profundo
- Conocimiento básico de las redes neuronales convolucionales (CNN)
Público objetivo
- Científicos de datos
- Prácticos en IA
Los cursos públicos requieren más de 5 participantes.
Visión por computadora con Google Colab y TensorFlow - Reserva
Visión por computadora con Google Colab y TensorFlow - Consulta
Visión por computadora con Google Colab y TensorFlow - Solicitud de consultoría
Próximos cursos
Cursos Relacionados
Modelos Avanzados de Aprendizaje Automático con Google Colab
21 HorasEsta formación en vivo impartida por un instructor en Ecuador (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean ampliar sus conocimientos sobre modelos de aprendizaje automático, mejorar sus habilidades en el ajuste de hiperparámetros y aprender cómo desplegar modelos de manera efectiva usando Google Colab.
Al finalizar esta formación, los participantes serán capaces de:
- Implementar modelos avanzados de aprendizaje automático utilizando frameworks populares como Scikit-learn y TensorFlow.
- Optimizar el rendimiento del modelo mediante el ajuste de hiperparámetros.
- Desplegar modelos de aprendizaje automático en aplicaciones del mundo real usando Google Colab.
- Colaborar y gestionar proyectos de aprendizaje automático a gran escala en Google Colab.
IA para la atención médica utilizando Google Colab
14 HorasEsta formación práctica, impartida por un instructor, en Ecuador (en línea o presencial), está dirigida a científicos de datos y profesionales del ámbito sanitario de nivel intermedio que deseen aprovechar la IA para aplicaciones avanzadas en salud mediante Google Colab.
Al finalizar esta formación, los participantes serán capaces de:
- Implementar modelos de IA para la atención médica utilizando Google Colab.
- Utilizar la IA para la modelización predictiva en datos sanitarios.
- Analizar imágenes médicas con técnicas basadas en inteligencia artificial.
- Explorar las consideraciones éticas en las soluciones de salud basadas en IA.
Análisis de Big Data con Google Colab y Apache Spark
14 HorasEsta formación en vivo, impartida por un instructor en <ubicación> (en línea o presencial), está dirigida a profesionales de nivel intermedio en ciencia de datos e ingeniería que desean utilizar Google Colab y Apache Spark para el procesamiento y análisis de Big Data.
Al finalizar esta formación, los participantes serán capaces de:
- Configurar un entorno de Big Data utilizando Google Colab y Spark.
- Procesar y analizar conjuntos de datos grandes con eficiencia mediante Apache Spark.
- Visualizar Big Data en un entorno colaborativo.
- Integrar Apache Spark con herramientas basadas en la nube.
Introducción a Google Colab para Ciencia de Datos
14 HorasEsta formación en vivo con instrucción presencial en <ubicación> (en línea o in situ) está dirigida a científicos de datos e IT profesionales de nivel principiante que deseen aprender los fundamentos de la ciencia de datos utilizando Google Colab.
Al finalizar esta formación, los participantes serán capaces de:
- Configurar y navegar por Google Colab.
- Escribir y ejecutar código Python básico.
- Importar y gestionar conjuntos de datos.
- Crear visualizaciones utilizando bibliotecas de Python.
Google Colab Pro: Flujos de trabajo escalables de Python e IA en la nube
14 HorasAprendizaje Profundo con TensorFlow en Google Colab
14 HorasEsta capacitación en vivo impartida por un instructor en Ecuador (en línea o presencial) está dirigida a científicos de datos y desarrolladores de nivel intermedio que desean comprender y aplicar técnicas de aprendizaje profundo utilizando el entorno de Google Colab.
Al finalizar esta capacitación, los participantes serán capaces de:
- Configurar y navegar por Google Colab para proyectos de aprendizaje profundo.
- Comprender los fundamentos de las redes neuronales.
- Implementar modelos de aprendizaje profundo utilizando TensorFlow.
- Entrenar y evaluar modelos de aprendizaje profundo.
- Utilizar las funciones avanzadas de TensorFlow para el aprendizaje profundo.
Visualización de datos con Google Colab
14 HorasEsta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a científicos de datos principiantes que deseen aprender a crear visualizaciones de datos significativas y visualmente atractivas.
Al finalizar esta formación, los participantes podrán:
- Configurar y navegar por Google Colab para la visualización de datos.
- Crear diversos tipos de gráficos mediante Matplotlib.
- Utilizar Seaborn para técnicas avanzadas de visualización.
- Personalizar los gráficos para mejorar su presentación y claridad.
- Interpretar y presentar los datos de manera efectiva utilizando herramientas visuales.
Desarrollo de Reconocimiento Facial con IA para las Fuerzas del Orden
21 HorasEsta formación en vivo impartida por un instructor en Ecuador (en línea o presencial) está dirigida a personal de las fuerzas del orden de nivel principiante que desea transicionar del dibujo manual de retratos parlantes al uso de herramientas de IA para desarrollar sistemas de reconocimiento facial.
Al finalizar esta capacitación, los participantes serán capaces de:
- Comprender los fundamentos de la Inteligencia Artificial y el Aprendizaje Automático.
- Aprender los conceptos básicos del procesamiento digital de imágenes y su aplicación en el reconocimiento facial.
- Desarrollar habilidades en el uso de herramientas y marcos de trabajo de IA para crear modelos de reconocimiento facial.
- Adquirir experiencia práctica en la creación, entrenamiento y prueba de sistemas de reconocimiento facial.
- Comprender las consideraciones éticas y las mejores prácticas en el uso de la tecnología de reconocimiento facial.
Fiji: Procesamiento de imágenes para biotecnología y toxicología
14 HorasEsta formación práctica en Ecuador cubre los fundamentos de Fiji e ImageJ para la investigación biológica. Los estudiantes adquieren habilidades prácticas en el preprocesamiento de imágenes, el análisis cuantitativo y la automatización mediante macros para agilizar flujos de trabajo con tejidos histológicos, células y otras muestras, obteniendo resultados reproducibles.
Aprendizaje automático con Google Colab
14 HorasEsta formación en vivo impartida por instructores en Ecuador (en línea o presencial) está dirigida a científicos de datos y desarrolladores de nivel intermedio que desean aplicar algoritmos de aprendizaje automático de manera eficiente utilizando el entorno de Google Colab.
Al finalizar esta formación, los participantes podrán:
- Configurar y navegar por Google Colab para proyectos de aprendizaje automático.
- Comprender y aplicar diversos algoritmos de aprendizaje automático.
- Utilizar bibliotecas como Scikit-learn para analizar y predecir datos.
- Implementar modelos de aprendizaje supervisado y no supervisado.
- Optimizar y evaluar modelos de aprendizaje automático de forma efectiva.
Procesamiento del Lenguaje Natural (NLP) con Google Colab
14 HorasEsta formación en vivo impartida por un instructor en Ecuador (en línea o presencial) está dirigida a científicos de datos y desarrolladores de nivel intermedio que deseen aplicar técnicas de NLP utilizando Python en Google Colab.
Al finalizar esta formación, los participantes podrán:
- Comprender los conceptos básicos del procesamiento del lenguaje natural.
- Preprocesar y limpiar datos de texto para tareas de NLP.
- Realizar análisis de sentimientos utilizando las bibliotecas NLTK y SpaCy.
- Trabajar con datos de texto usando Google Colab para un desarrollo escalable y colaborativo.
Fundamentos de la Programación en Python con Google Colab
14 HorasEsta formación en vivo impartida por un instructor en Ecuador (en línea o presencial) está dirigida a desarrolladores principiantes y analistas de datos que desean aprender programación en Python desde cero utilizando Google Colab.
Al finalizar esta formación, los participantes serán capaces de:
- Comprender los fundamentos del lenguaje de programación Python.
- Implementar código Python en el entorno de Google Colab.
- Utilizar estructuras de control para gestionar el flujo de un programa Python.
- Crear funciones para organizar y reutilizar el código de manera eficaz.
- Explorar y utilizar bibliotecas básicas para la programación en Python.
Aprendizaje por Refuerzo con Google Colab
28 HorasEsta formación en vivo impartida por un instructor en Ecuador (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen profundizar en su comprensión del aprendizaje por refuerzo y sus aplicaciones prácticas en el desarrollo de IA utilizando Google Colab.
Al finalizar esta formación, los participantes podrán:
- Comprender los conceptos fundamentales de los algoritmos de aprendizaje por refuerzo.
- Implementar modelos de aprendizaje por refuerzo utilizando TensorFlow y OpenAI Gym.
- Desarrollar agentes inteligentes que aprenden mediante ensayo y error.
- Optimizar el rendimiento de los agentes mediante técnicas avanzadas como Q-learning y redes neuronales Q profundas (DQN).
- Entrenar agentes en entornos simulados utilizando OpenAI Gym.
- Implementar modelos de aprendizaje por refuerzo para aplicaciones del mundo real.
Análisis de series temporales con Google Colab
21 HorasEsta formación en vivo impartida por un instructor en Ecuador (en línea o presencial) está dirigida a profesionales de datos de nivel intermedio que desean aplicar técnicas de pronóstico de series temporales a datos del mundo real utilizando Google Colab.
Al finalizar esta formación, los participantes serán capaces de:
- Comprender los fundamentos del análisis de series temporales.
- Utilizar Google Colab para trabajar con datos de series temporales.
- Aplicar modelos ARIMA para predecir tendencias de datos.
- Utilizar la biblioteca Prophet de Facebook para un pronóstico flexible.
- Visualizar los datos de series temporales y los resultados del pronóstico.
Vision Builder para inspección automatizada
35 HorasEsta formación impartida por un instructor en vivo en Ecuador (en línea o presencial) está dirigida a profesionales de nivel intermedio que deseen utilizar Vision Builder AI para diseñar, implementar y optimizar sistemas de inspección automatizada en procesos de Tecnología de Montaje en Superficie (SMT).
Al finalizar esta formación, los participantes podrán:
- Configurar e implementar inspecciones automatizadas utilizando Vision Builder AI.
- Adquirir y preprocesar imágenes de alta calidad para su análisis.
- Implementar decisiones basadas en lógica para la detección de defectos y la validación del proceso.
- Generar informes de inspección y optimizar el rendimiento del sistema.
