PARTE I. Revisa lo siguiente:
- Los tipos de modelo de las redes neuronales.
- Los diferentes tipos de datos y su clasificación.
- La descripción del aprendizaje profundo.
- Las herramientas necesarias para desarrollar el aprendizaje profundo.
- Selecciona un campo de problemática de tu interés, en donde puedas identificar y obtener los datos para la realización del aprendizaje profundo.
- Recopila la mayor cantidad de datos que puedas sobre la problemática seleccionada y realiza la clasificación según su tipo y método de solución.
- Define el tipo de información relevante que necesitas para la solución de la problemática.
- Realiza un análisis argumentando cuál es la rama o aplicación de la red neuronal artificial más adecuada para la situación seleccionada, mencionando el número de capas de entradas y salidas.
PARTE 2. Plantea un problema de clasificación de imágenes, así como su solución, utilizando redes neuronales convolucionales. La tarea puede ser clasificar animales, como perros o gatos, o diferentes tipos de aves.
La solución debe utilizar Keras y TensorFlow en Python. Sigue las instrucciones para llevar a cabo el proyecto:
- Identifica la tarea a resolver y obtén los datos de entrenamiento y de prueba, así como la instalación y configuración de las librerías que se utilizarán.
- Separa los conjuntos de datos obtenidos en tres subconjuntos: entrenamiento, validación y prueba.
- Preprocesa los datos según se requiera, ya sea estandarizando medidas, escala de grises, formato, cantidad de pixeles y codifica la categoría en donde correspondan.
- Construye una red neuronal convolucional para realizar la clasificación de imágenes.
- Evalúa los resultados que se obtuvieron con el clasificador construido.
PARTE 3. Deberás plantear un problema de clasificación de imágenes, así como su solución, utilizando aprendizaje por transferencia. La tarea puede ser clasificar animales, como perros o gatos, o diferentes tipos de aves, o incluso inferir algún padecimiento médico.
Sigue las instrucciones para llevar a cabo el proyecto:
- Identifica la tarea a resolver y obtén un modelo preentrenado, así como la instalación y configuración de las librerías a utilizar.
- Preprocesa y prepara los datos según se requiera, ya sea estandarizando medidas, escala de grises, formato, cantidad de pixeles, etc.
- Construye una red neuronal utilizando el modelo preentrenado y ejecuta el proceso de clasificación.
PARTE FINAL. Evalúa los resultados que se obtuvieron y compáralos con el clasificador construido en la parte 2.