Duración: 4 horas

Aprende a desarrollar modelos de Deep Learning para visión por computadora, desde CNNs hasta Transfer Learning.

💡

¿Qué aprenderás?

Aplicaciones clave de Vision por Computador.

Fundamentos de Redes Neuronales Convolucionales (CNNs).

Preparación y preprocesamiento de datos visuales.

Implementación de una CNN en PyTorch.

Transfer Learning de modelos preentrenados

Tendencias y desafíos en Computer Vision.

📚

Contenido del curso

Módulo Descripción
Módulo 1: Introducción a Computer Vision con Deep Learning
Explora los fundamentos y la relevancia de la visión por computadora, sus aplicaciones clave y cómo el Deep Learning ha transformado esta área.
Módulo 2: Fundamentos de Redes Convolucionales (CNNs)
Profundiza en la teoría y funcionamiento de las redes convolucionales, incluyendo su arquitectura, componentes y operaciones fundamentales como convoluciones y pooling.
Módulo 3: Implementación de una CNN desde Cero
Aprende a construir e implementar una red convolucional desde cero utilizando PyTorch, revisando arquitecturas clásicas como LeNet y ResNet.
Módulo 4: Transfer Learning y Modelos Pre Entrenados
Aborda el uso de modelos preentrenados y técnicas de Transfer Learning para mejorar el desempeño y acelerar el desarrollo de soluciones en visión por computadora.
Módulo 5: Tendencias y Desafíos en Computer Vision
Analiza las últimas tendencias, desafíos y oportunidades en visión por computadora, incluyendo aplicaciones móviles y nuevos frameworks.
📄

Descripción del Curso

Domina los fundamentos del Deep Learning aplicado a Computer Vision con este curso intensivo. Aprenderás desde los conceptos clave de visión por computador y redes convolucionales (CNNs), hasta la implementación práctica de modelos con PyTorch. Explora técnicas como data augmentation, transfer learning y descubre las tendencias actuales en modelos eficientes. Ideal para quienes ya conocen los fundamentos de Deep Learning y quieren aplicarlos en tareas visuales reales.
🎒

¿Qué incluye el curso?

  • Clases teóricas claras con ejemplos reales.
  • Ejercicios guiados y notebooks en Colab listos para usar.
  • Actividades con código incompleto para que practiques resolviendo.
  • Acceso a recursos descargables y bibliografía recomendada.
👥

Público objetivo

  • Estudiantes y profesionales con interés en Deep Learning aplicado a imágenes.
  • Programadores que quieran crear modelos de visión con PyTorch.
  • Personas con nociones básicas de Python, redes neuronales y fundamentos de Computer Vision.
  • Te recomendamos haber completado nuestro curso introductorio, ¡así aprovecharás al máximo esta experiencia!