Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Photoshop Graphic Design Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Meditation Personal Transformation Life Purpose Emotional Intelligence CBT
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Analysis Data Modeling Data Science
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
Development Data Science Machine Learning

Iniciación a Computer Vision con Machine/Deep Learning en R

Entra en el mundo de la Visión por Computador reconociendo números manuscritos usando Machine y Deep Learning
Rating: 4.3 out of 54.3 (98 ratings)
740 students
Created by David Manero
Last updated 9/2018
Spanish
Spanish [Auto]
30-Day Money-Back Guarantee

What you'll learn

  • El curso se centra en el reconocimiento automático de números en la escritura manual. A través de este tipo de imágenes (números escritos a mano), vamos a ver diversas operaciones, métodos y algoritmos para clasificar los números manuscritos y predecir e interpretar nuevas imágenes. Además, aprenderás a utilizar R y plataformas de Deep Learning como H2O o TensoFlow.

Course content

10 sections • 69 lectures • 17h 53m total length

  • Preview04:53
  • Preview01:51
  • Preview05:59

  • Preview14:33
  • Preview09:55
  • Preview14:18
  • Preview12:44

  • ¿Qué es R? ¿Y RStudio?
    04:02
  • Instalación de R y RStudio en Mac
    02:48
  • Paquete Caret
    04:49
  • ¿Qué es H20? ¿Y TensorFlow?
    16:01
  • Instalación H2O
    07:17
  • Instalación Tensor Flow
    11:25
  • Instalación de librerías necesarias
    09:59

  • Aviso
    00:40
  • Conociendo a R parte 1
    10:50
  • Conociendo a R parte 2
    06:53
  • Operadores
    07:58
  • Objetos: vectores parte 1
    07:03
  • Objetos: vectores parte 2
    09:48
  • Objetos: dataframe parte 1
    07:46
  • Objetos: dataframe parte 2
    07:05
  • Objetos: dataframe parte 3
    08:53
  • Objetos: listas
    09:30
  • Objetos: series de tiempo
    06:32
  • Bucles Explicación
    07:24
  • Bucles parte I
    16:25
  • Bucles parte II
    18:57
  • Funciones
    16:14
  • Visualización Básica
    11:14
  • Ejemplo uso de paquete Caret: SPAM
    04:43

  • ¿Qué es MNIST?
    08:02
  • Explorando los datos MNIST parte 1
    16:59
  • Explorando los datos MNIST parte 2
    16:36

  • Machine Learning para clasificar los dígitos MNIST
    13:10
  • Preview20:28
  • Preview22:43
  • ¿Qué es NZV (Near-Zero Value)? ¿Y PCA (Principal Component Analysis)?
    21:16
  • ¿Cómo funciona Random Forest?
    25:04
  • Método Random Forest sobre MNIST
    21:42
  • Práctica con Naïve Bayes
    3 questions
  • Práctica con Random Forest
    2 questions
  • ¿Cómo funciona SVM (Support Vector Machine)?
    09:46
  • Método SVM sobre MNIST
    17:41
  • ¿Cómo funcionan las Redes Neuronales?
    19:53
  • Método Neuranet sobre MNIST
    29:24
  • Práctica Redes Neuronales
    8 questions
  • ¿Qué es SVD (Singular Value Decomposition)?
    10:32
  • ¿Cómo funciona KNN (K-Nearest Neighbours)?
    14:29
  • Método SVD-KNN sobre MNIST
    32:12
  • Práctica con SVM
    1 question
  • ¿Qué es HOG (Histogram of Oriented Gradients)?
    24:33
  • Método HOG-KNN sobre MNIST
    17:02
  • Práctica con K-NN
    5 questions

  • Deep Learning para clasificar los dígitos de MNIST
    11:43
  • ¿Cómo funciona H2O?
    18:08
  • Método en H2O sobre MNIST
    17:36
  • Práctica Regular DNN
    7 questions
  • ¿Qué es Unsupervised Bottle-Neck?
    09:25
  • Método no supervisado en H2O sobre MNIST
    23:42
  • Práctica DNN-Encoder
    7 questions
  • ¿Cómo funciona Softmax Regression?
    22:03
  • Método TensorFlow sobre MNIST
    47:10

  • Comparativa de los resultados
    25:18
  • Kaggle y MNIST
    10:31

  • Presentación App MNIST
    12:24
  • Archivos e instalación de librerías
    08:50
  • Dibujar el plot
    33:44
  • Dibujar la matriz
    58:06
  • Guardar modelos y convertir matriz
    51:00
  • Calcular predicciones
    39:26
  • Predicción total
    34:45
  • Mejoras de la app
    13:38

  • Resumen del curso
    10:10
  • Próximos pasos
    03:36
  • Despedida
    02:26

Requirements

  • Aunque se proporcionan unas bases de R, es recomendable conocerlo un poco. Los conceptos Matemáticos y Estadísticos utilizados se explicarán, pero conviene tener alguna base.

Description

La Visión por Computador o Computer Vision (en inglés) es uno de los primeros objetivos que tuvo la programación desde sus inicios y, sobre todo, desde que se planteó la utilización del procesado automático en las cadenas de montaje.

Desde discriminar la madurez de las frutas por su color, hasta reconocer patrones biométricos, pasando por los pulsómetros ópticos, o el reconocimiento de matrículas. Las utilidades de la Visión por Computador están sólo limitadas por la imaginación humana.

En los últimos años, con el aumento del conocimiento en la denominada Ciencia de los Datos, se han desarrollados nuevos (y no tan nuevos) métodos de Aprendizaje para que sean las máquinas las que puedan tomar decisiones en base al procesado de la imagen que sus ojos tecnológicos les proporciona.

El Machine Learning y, el siguiente paso, el Deep Learning ha supuesto una ventaja mayor si cabe en la autonomía de las máquinas.

Trabajaremos con un famoso set de datos denominado MNIST, y que contiene 60.000 ejemplos de números manuscritos con su correspondiente etiqueta del número que representan. Cada número esta formado por una matriz de píxeles de 28x28 con valores entre 0 y 255 para la intensidad del trazo.

En el curso vamos a analizar una buena cantidad de métodos y algoritmos de Machine Learning, como Naïve Bayes, Random Forest, Support Vector Machine, K Nearest Neighbours o Redes Neuronales y sistemas de pre-procesado de la información, como PCA, SVD o HOG.

También trabajaremos algunos sistemas de Deep Learning, como H2O o Tensor Flow (de Google) para el tratamiento de esta información de imágenes.

Espero que os guste el curso y que disfrutéis aprendiendo los entresijos de la Visión por Computador y el Aprendizaje Profundo y Automático.

Who this course is for:

  • Si te interesa la Ciencia de los Datos, la Visión por Computador, el Machine Learning o Aprendizaje Automático y el Deep Learning o Aprendizaje Profundo, ¡¡¡éste es tu curso!!!

Instructor

David Manero
Data Scientist
David Manero
  • 4.2 Instructor Rating
  • 580 Reviews
  • 2,629 Students
  • 3 Courses

Mi nombre es David Manero, y estudié Ingeniería de Telecomunicaciones en Zaragoza, España, cuando las carreras eran de 5 años (A mí me costó 6…)

Tras trabajar unos cuantos años en el mundo de la consultoría, fundamentalmente, descubrí en el año 2010 el Big Data y desde entonces no he podido dejarlo.

Fui cofundador de una empresa que se dedica al análisis de Redes Sociales para generar información de valor añadido para empresas y realiza micro-segmentaciones. En esta empresa me auto-formé en el mundo de la Ciencia de los Datos y, posteriormente, realicé diversos cursos y másters para tener unas titulaciones más “formales”.

También he trabajado para empresas de varios sectores analizando información de tráfico on-line y de e-commerce de diversas índoles, desde alimentación, turismo, moda, etc.

En mis proyecto trabajo con datos financieros, de seguros y de operadoras telefónicas. Con empresas energéticas y con el sector farmacéutico.

Además de los Datos, me gustan mucho los videojuegos, y también me he formado en la programación de los mismos.

Tengo experiencia impartiendo cursos. Espero que se note. He realizado varios cursos de Project Management en mi época de consultor. Y, nos os lo creeréis, pero desde 2010 también, doy clases de baile como profesor. Soy un enamorado de la música swing y de su baile, el Lindy Hop.

Así que: Ingeniero, emprendedor, lindy hoper, profesor, … son muchas cosas. La verdad es que soy un tío muy normal, un poco friki, y con ganas de aprender, y enseñar lo aprendido.

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.