Redes Neuronales Convolucionales - Clasificación avanzada de imágenes con IA / ML (CNN)

En este video vemos a fondo el funcionamiento de las redes neuronales convolucionales, las cuales podemos utilizar para clasificación, localización y detección avanzada de imágenes.

Ya tengo cursos!
Aprende a programar desde cero con Python:
https://www.domestika.org/es/courses/...
Aprende IA desde cero con Python:
https://www.domestika.org/es/courses/...

Si quieres formar parte de este proyecto, puedes hacerlo de varias maneras:
Patreon: http://bit.ly/patreon-ringatech
Membresía Youtube:    / @ringatech  
Da clic en me gusta y déjame un comentario!

A continuación aparecen las ligas relevantes del video.

1. Colab de Números con red densa regular (Sin convoluciones):
https://colab.research.google.com/dri...

2. Colab de números con red neuronal convolucional (primer intento sin técnicas adicionales):
https://colab.research.google.com/dri...

3. Colab de números con red neuronal convolucional, aumento de datos y dropout:
https://colab.research.google.com/dri...

Pruébalo en vivo:
https://ringa-tech.com/cnn/numeros

Lista de reproducción para aprender redes neuronales desde cero con Python y Tensorflow:
   • Inteligencia Artificial desde cero co...  

Video para hacerte un maestro en convoluciones:
   • Reconocimiento de imágenes con IA - 0...  

Convoluciones en tiempo real en tu cámara web:
https://ringa-tech.com/vision01/camar...

Clasificador de perros y gatos en tiempo real con tu celular:
https://ringa-tech.com/exportacion/pe...
Colab del proyecto de perros y gatos:
https://colab.research.google.com/dri...

Suscríbete y revisa mis otros videos!

= = = CONTENIDO
0:00 - ¿Por qué se necesitan las redes convolucionales?
0:52 - Las características y por qué son importantes
2:49 - Cómo manejan las características las redes convolucionales
5:25 - Cómo se estructuran las redes convolucionales
6:36 - Las redes convolucionales y la naturaleza
8:07 - Neuronas simples, convoluciones y ejes
11:48 - Convoluciones en imágenes a color
13:08 - Neurona compleja, agrupación y características
16:04 - Detección de números con una red regular
17:58 - Convertir la red regular a una red convolucional
19:02 - Aumento de datos
19:33 - Dropout
20:21 - Red convolucional con aumento de datos y dropout
21:53 - Perros y gatos
= = =

Descripción larga para el algoritmo:
Hoy hablaremos a fondo de las redes neuronales convolucionales /RNCs (Convolutional Neural Networks o CNNs), veremos qué son, para qué sirven, y algunos proyectos prácticos.

Las redes neuronales convolucionales son una de las razones por las cuales el aprendizaje automático, o machine learning ha avanzado mucho en los últimos años.

A diferencia de una red neuronal regular, una red convolucional busca características específicas en las imágenes, e intenta agregar "invarianza" a la red. Es decir, que no importe la posición o tamaño del objeto, pueda ser identificado. Esto es importante ya que una red regular batalla mucho en aprender a generalizar objetos en imágenes, y estas redes, gracias a las capas de convolución y de agrupación, pueden hacer un mejor trabajo.

Como parte de este video entrenamos una red regular para clasificar números escritos a mano, después la convertimos en una red convolucional, y después agregamos 2 técnicas adicionales que mejoran la precisión de los modelos: Aumento de datos (Data augmentation) y Dropout.

Todo el video lo realizo utilizando Colab, con lo cual puedes experimentar con servidores en la nube de manera gratuita.

= = =
#python #tensorflow #machinelearning #cnn