Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Este curso sobre aprendizaje profundo para imágenes con PyTorch te proporcionará las habilidades prácticas y los conocimientos necesarios para destacar en la clasificación, detección, segmentación y generación de imágenes.
Clasifica imágenes con redes neuronales convolucionales (CNN).
Aplicarás CNN para la clasificación de imágenes binarias y multiclase y comprenderás cómo aprovechar los modelos preentrenados en PyTorch. Con los cuadros delimitadores, también podrás detectar objetos dentro de una imagen y evaluar el rendimiento de los modelos de reconocimiento de objetos.Segmentar imágenes aplicando máscaras
Explora la segmentación de imágenes, incluida la segmentación semántica, de instancias y panóptica, aplicando máscaras a las imágenes y aprende sobre las diferentes arquitecturas de modelos necesarias para cada tipo de segmentación.Genera imágenes con GAN
Por último, aprenderás a generar tus propias imágenes utilizando redes generativas adversarias (GAN). Aprenderás las habilidades necesarias para crear y entrenar GAN convolucionales profundas (DCGAN) y cómo evaluar la calidad y la diversidad de las imágenes generadas.Al finalizar este curso, habrás adquirido las habilidades y la experiencia necesarias para trabajar con diversas tareas relacionadas con imágenes utilizando modelos PyTorch.Requisitos previos
Programa de formación
Esquema del curso
1
Clasificación de imágenes con CNN
Aprende clasificación de imágenes con CNN, la diferencia entre modelos de clasificación binaria y multiclase, y cómo usar aprendizaje por transferencia para clasificación de imágenes en PyTorch.
- Clasificación de imágenes binaria y multiclase50 XP
- El número de clases50 XP
- Modelo de clasificación binaria100 XP
- Modelo de clasificación multiclase100 XP
- Capas convolucionales para imágenes50 XP
- ¿RGB, escala de grises o alfa?50 XP
- Añadir una nueva capa convolucional100 XP
- Crear un bloque secuencial100 XP
- Trabajar con modelos preentrenados50 XP
- Guardar y cargar un modelo100 XP
- Cargar un modelo preentrenado100 XP
- Clasificación de imágenes con ResNet100 XP
2
Reconocimiento de objetos
Detecta objetos en imágenes prediciendo cajas delimitadoras a su alrededor y evalúa el rendimiento de los modelos de reconocimiento de objetos.
3
Segmentación de imágenes
Conoce los tres tipos de segmentación de imágenes (semántica, por instancias y panóptica), sus aplicaciones y las arquitecturas de modelos de Machine Learning adecuadas para cada una.
4
Generación de imágenes con GANs
Genera imágenes completamente nuevas con Generative Adversarial Networks (GANs). Aprende a crear y entrenar una Deep Convolutional GAN y a evaluar la calidad y variedad de sus resultados.
Deep Learning para imágenes con PyTorch
Curso
completado
