DESCRIPCIÓN DEL CURSO

En este curso aprenderás a aplicar soluciones basadas en redes neuronales, entendiendo primero de forma intuitiva su funcionamiento y desarrollando proyectos muy llamativos con aplicación evidente en el mundo real.

Aquí lo que aprenderás en cada sección:

1. Introducción al procesamiento de imágenes

   • Los fundamentos del Deep Learning vienen en gran parte del procesamiento de señales, aquí miraremos lo que nos será de utilidad para entender sistemas de DL más complejos.

     
     

2. Introducción al Machine Learning

   • A partir de un proyecto de reconocimiento de lunares de piel, aprenderás como podemos modelar el concepto de aprendizaje.

   • Después llevaremos este conocimiento más allá, implementarás tu primera red neuronal para reconocer caracteres escritos a mano

     
     

3. La red neuronal convolucional para detectar tumores cerebrales

   • Aprenderas sobre el tipo de red neuronal más utilizado en el mundo de la visión artificial, la Red Neuronal Convolucional para detectar tumores cerebrales en imágenes.

   • También utilizaremos herramientas como TensorBoard para monitorear los entrenamientos y hablaremos de conceptos como Overfitting.

     
     

4. Qué ven las Redes Neuronales Convolucionales? - ML interpretable

   • Aquí entraremos a tratar el tema de interpretabilidad en sistemas de Machine Learning, con esto entenderemos las razones por las cuales un sistema tomó determinada decisión.

     
     

5. Transfer Learning para la detección de Covid y neumonía

   • Introduciremos un concepto muy poderoso llamado Transfer Learning y veremos cómo puede mejorar la efectividad cuando los datasets son pequeños con esta herramienta.

     
     

6. Image Search para encontrar la evolución de un Pokemon (si, estás leyendo bien)

   • Aprenderás a encontrar la evolución de un Pokemon de entre cientos de imágenes sin ningún tipo de información del contexto o etiquetas, sólo una imagen de entrada.

     
     

7. Deep Clustering para detección de expresiones faciales

   • Utilizaremos técnicas de Machine Learning no supervisado para encontrar patrones en imágenes

     
     

8. Deep Reinforcement Learning para crear sistemas que juegan Atari automáticamente

   • Hablaremos sobre un nuevo paradigma en Machine Learning basado en la interacción con el entorno, utilizaremos redes neuronales para implementar un agente que juegue Atari tomando decisiones de forma automática.

     
     

9. La CNN 3D para detección de violencia en video

   • Llevaremos la red neuronal convolucional a un nuevo nivel, para no solo procesar imágenes sino también video, reconociendo situaciones de peleas, robos...

   • Aprenderemos sobre los TFrecords, técnicas de regularización y el fundamento estadístico de Machine Learning

     
     

10. Detección de objetos para reconocer cartas en imágenes

    • Abordaremos el tema de la detección de objetos, aprendiendo sobre la Faster-RCNN e implementando este sistema en un problema de detección de multiples cartas de juego en imágenes.