Contenido

Objetivo

Apreciar el mejor clasificador para extraer información de imágenes de forma eficiente.

Descripción

En esta experiencia educativa, aprenderás los pasos requeridos para construir una red neuronal convolucional, para solución al problema de clasificación de imágenes, así como la viabilidad de usarla en aplicaciones reales en la industria u otros sectores comerciales.

Explicación

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre clasificador personalizado que se adapte mejor a sus imágenes específicas, te recomendamos revisar el siguiente video:

freeCodeCamp.org. (2020, 18 de junio). Keras with TensorFlow Course - Python Deep Learning and Neural Networks for Beginners Tutorial [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=qFJeN9V1ZsI

Actividad

Objetivo

Reforzar los conocimientos adquiridos en aprendizaje profundo a través de una red neuronal convolucional en tareas de visión computacional.

Instrucciones

Responde y argumenta lo siguiente:

  1. ¿Cuáles son los pasos para construir una red neuronal convolucional (CNN) en un proyecto de visión computacional?
  2. ¿Para qué se utiliza la capa de reducción (pooling) en una CNN?
  3. ¿Con qué finalidad se usa la capa convolucional en una CNN?
  4. Con el objetivo de entrenar a un modelo en Keras, se debe especificar una función de pérdida, un métrico de desempeño y un optimizador. ¿Cuáles son las opciones disponibles para cada parámetro? Presenta una tabla donde enlistes estas opciones y una breve descripción sobre cada una de ellas.
Checklist

Asegúrate de:

  • Responder de forma clara, con base en los contenidos estudiados.
  • Generar conclusiones válidas y de acuerdo con los resultados obtenidos, apoyándose en gráficos o diagramas para validar estas conclusiones.
  • Presentar las referencias bibliográficas utilizadas para la resolución del cuestionario.