Información administrativa
| Título | Redes neuronales convolucionales |
| Duración | 60 |
| Módulo | B |
| Tipo de lección | Tutorial |
| Enfoque | Técnico — Aprendizaje profundo |
| Tema | Aprendizaje profundo |
Keywords
CNN, Aprendizaje profundo, Python,
Objetivos de aprendizaje
- Implementación y capacitación de una CNN para un problema de clasificación de imágenes desde cero
- Ajuste de una red ya entrenada
- Transfiera el aprendizaje utilizando arquitecturas capacitadas en ImageNet
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Teoría en CNN
Opcional para estudiantes
- Ninguno
Referencias y antecedentes para estudiantes
- Ninguno
Recomendado para profesores
Ninguno.
Material didáctico
Instrucciones para profesores
Este tutorial cubre el desarrollo fundamental de CNN, la capacitación y las pruebas. Tres tutoriales diferentes implementados en forma de Jupyter Notebook serán mostrados y discutidos. En particular:
- se mostrará la implementación de una simple CNN. La formación se realizará con un simple conjunto de datos de libre acceso (por ejemplo, MNIST). Se mostrará la evaluación en términos de precisión de un conjunto de pruebas después de la etapa de entrenamiento.
- el ajuste fino de una red ya entrenada se realizará en un nuevo conjunto de datos (por ejemplo, Fashion-MNIST). Se mostrará y discutirá la evaluación y la comparación con una red entrenada desde cero.
- se mostrará cómo cargar y guardar modelos personalizados.
Horario
| Duración (min) | Descripción | Conceptos | Actividad | Material |
|---|---|---|---|---|
| 20 | Implementación y capacitación de una simple CNN | |||
| 20 | Ajuste fino de una red ya entrenada | |||
| 20 | cargar y guardar arquitecturas |
Reconocimientos
Agradecemos a Eng. Andrea Apicella por su contribución en el desarrollo del material.
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».