Iniciación a Computer Vision con Machine/Deep Learning en R
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.
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
- 4.3 Instructor Rating
- 685 Reviews
- 3,097 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.