Envíanos tu consulta
![iconoCurso](data:image/svg+xml;utf8, <svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M457.18 127C287.3 127 297.91 200.67 297.91 200.67L298.1 276.99H460.21V299.9H233.71C233.71 299.9 125 287.58 125 458.98C125 630.38 219.88 624.31 219.88 624.31H276.51V544.77C276.51 544.77 273.45 449.85 369.87 449.85H530.66C530.66 449.85 620.99 451.31 620.99 362.55V215.85C620.99 215.85 634.71 127 457.18 127ZM367.79 178.32C375.517 178.315 382.929 181.378 388.397 186.837C393.866 192.296 396.942 199.703 396.95 207.43C396.957 211.258 396.209 215.05 394.749 218.588C393.289 222.127 391.146 225.343 388.443 228.053C385.739 230.763 382.528 232.914 378.993 234.382C375.458 235.85 371.668 236.607 367.84 236.61H367.79C360.063 236.626 352.647 233.572 347.171 228.121C341.695 222.67 338.609 215.267 338.59 207.54V207.49C338.586 203.663 339.336 199.873 340.797 196.336C342.257 192.799 344.401 189.585 347.104 186.876C349.807 184.167 353.017 182.018 356.551 180.55C360.085 179.082 363.873 178.324 367.7 178.32H367.79Z" fill="url(%23paint0_linear)"/>
<path d="M462.001 792.691C631.881 792.691 621.281 719.021 621.281 719.021L621.091 642.701H458.971V619.791H685.471C685.471 619.791 794.181 632.121 794.181 460.701C794.181 289.281 699.301 295.371 699.301 295.371H642.671V374.911C642.671 374.911 645.731 469.791 549.311 469.791H388.521C388.521 469.791 298.191 468.331 298.191 557.101V703.851C298.191 703.851 284.471 792.671 462.001 792.671V792.691ZM551.391 741.371C547.565 741.375 543.775 740.625 540.239 739.164C536.703 737.703 533.489 735.559 530.781 732.856C528.073 730.153 525.924 726.943 524.457 723.409C522.99 719.875 522.234 716.087 522.231 712.261C522.227 708.434 522.977 704.644 524.438 701.107C525.899 697.57 528.042 694.355 530.745 691.647C533.448 688.938 536.658 686.788 540.192 685.32C543.726 683.852 547.514 683.094 551.341 683.091C555.17 683.077 558.964 683.819 562.506 685.272C566.049 686.726 569.27 688.863 571.986 691.561C574.702 694.26 576.86 697.467 578.337 701C579.813 704.533 580.579 708.322 580.591 712.151V712.201C580.596 719.93 577.532 727.345 572.071 732.815C566.61 738.285 559.201 741.363 551.471 741.371H551.391Z" fill="url(%23paint1_linear)"/>
<defs>
<linearGradient id="paint0_linear" x1="191.93" y1="192.868" x2="525.539" y2="525.735" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint1_linear" x1="393.096" y1="411.662" x2="745.197" y2="744.49" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
Curso Deep Learning con Python: Clasificación Multimedia
DISPONIBLE EN MODALIDAD:
Aula Virtual Personalizada
En este curso aprenderás a utilizar tanto Pytorch como YOLO tanto para la clasificación de imágenes como la detección de objetos.
Pytorch es un paquete de Python de código abierto diseñado que se utiliza para aplicaciones que implementan visión artificial y procesamiento de texto.
Por otro lado, YOLO es un algoritmo de detección de objetos que divide una imagen en una cuadrícula para detectar los objetos dentro de la misma.
En este curso de Deep Learning con Python para clasificación de imágenes, textos y audios aprenderás a utilizar tanto Pytorch como YOLO tanto para la clasificación de imágenes como la detección de objetos.
Clasificación de imágenes, textos y audios
A quién va dirigido nuestro curso de Deep Learning con Python para clasificación de imágenes, textos y audios
Este curso está dirigido a cualquier programador que quiera conocer los conceptos del Deep Learning para poder aplicarlos en aplicaciones para el reconocimiento de imágenes, objetos, etc…
Objetivos de nuestro curso de Deep Learning con Python para clasificación de imágenes, textos y audios
- Adentrarse en el mundo del Deep Learning con Python.
- Aprender a identificar objetos dentro de imágenes, vídeos, etc…
- Aprender a clasificar imágenes utilizando PyTorch.
- Trabajar con Pytesseract como OCR de Python para identificar caracteres de texto en imágenes
- Trabajar con YOLO como técnica para detectar objetos en tiempo real dentro de imágenes, vídeos, etc...
Qué vas a aprender en nuestro curso de Deep Learning con Python para clasificación de imágenes, textos y audios
Pytorch es un paquete de Python de código abierto diseñado que se utiliza para aplicaciones que implementan visión artificial y procesamiento de texto.
Por otro lado, YOLO es un algoritmo de detección de objetos que divide una imagen en una cuadrícula para detectar los objetos dentro de la misma.
En este curso de Deep Learning con Python para clasificación de imágenes, textos y audios aprenderás a utilizar tanto Pytorch como YOLO tanto para la clasificación de imágenes como la detección de objetos.
Requisitos de nuestro curso de Deep Learning con Python para clasificación de imágenes, textos y audios
- Tener conocimientos en el lenguaje de programación Python.
- Disponer de cuenta de Google con acceso a Google Colab como entorno de desarrollo online.
- Conocimientos básicos sobre algoritmos de detección de objetos.
- Disponer de permisos suficientes en el equipo para poder instalar software.
Contenido del curso
tema 1
Introducción
- ¿Qué es el deep learning?
- Deep learning con Python
- Google Colab como entorno de desarrollo
- Estructuras de datos
- Operaciones con vectores
- Operaciones con matrices
- Eventos
- Probabilidad
- Variables aleatorias
- Regresión lineal
tema 2
Redes neuronales
- ¿Qué es una red neuronal?
- Arquitectura de las redes neuronales
- Introducción a las redes neuronales convolucionales
- Capas conectadas
- Capas convolucionales
- Agregar canales
- Circunvolución 2D
- Conv2D
- Funciones de perdida
tema 3
Redes neuronales recurrentes
- Introducción a las redes neuronales recurrentes
- Redes neuronales recurrentes vs redes neuronales convolucionales
- RNNLayer
- RNNNode
- Juntando RNNLayer y RNNNode
- Representación de datos
tema 4
PyTorch
- Introducción
- Instalación
- Modelo
- Capa
- Trainer
- ¿Qué son los tensores y para qué sirven?
- Tensores de PyTorch
- Vectores, matrices y cubos
- Operaciones con tensores
- Redes neuronales convolucionales
tema 5
Clasificación de imágenes con PyTorch
- Introducción
- Definir el modelo de clasificación
- Entrenar el modelo de clasificación
- Guardar el modelo
- Cargar el modelo
- Preprocesar imágenes
- Reconocer imágenes
- Realizar predicciones
- Comprobación
- Clasificación de imágenes
- Segmentación de imágenes
tema 6
Entrenamiento con Pytorch
- Configuración
- Definir el modelo de clasificación
- Guardar y cargar el modelo
- Entrenamiento supervisado vs no supervisado
- Entrenamiento clasificación de imágenes
- Preparando el conjunto de datos para entrenar
- Entrenamiento con el conjunto de datos
tema 7
Computer Vision
- Introducción
- Usos en la actualidad
- Librerías más utilizadas
- OpenCV
tema 8
Identificación de objetos con YOLO
- Introducción a YOLO
- ¿Cómo funciona?
- Detección de objetos en imágenes
- Detección de objetos en vídeos
- Detección de objetos en tiempo real
- Etiquetado de imágenes en formato YOLO
- Etiquetado de vídeos en formato YOLO
- Ejemplos más destacados en la actualidad: Detectron2 y Pothole Detector
tema 9
Entrenamiento de YOLO con Darknet
- ¿Qué es Darknet?
- Instalación
- Configuración
- Entrenamiento supervisado vs no supervisado
- Preparación de archivos para entrenamiento
- Entrenamiento con imágenes
- Entrenamiento con vídeos
- Preparación de conjunto de datos para entrenamiento
- Entrenamiento con conjuntos de datos
tema 10
Creación de un conjunto de datos en formato YOLO
- Herramientas para gestionar conjuntos de datos masivos
- Descarga de imágenes en conjuntos de datos masivos
- Transformación masiva de los datos descargados a formato YOLO
- Preparación de archivos para el entrenamiento
tema 11
OCR con PyTorch
- Introducción a EasyOCR
- ¿Cómo usarlo?
- Instalación de EasyOCR
- Detección de texto
- Reconocimiento de texto
- Extracción de texto
- Transformar imagen a texto
- Uso de distintos lenguajes
- Búsqueda mediante el uso de expresiones regulares
tema 12
OCR con PyTesseract
- Introducción a PyTesseract
- Detección de texto
- Extracción de texto
- Reconocimiento de texto
- Transformar imagen a texto
- Transformación a PDF
- Uso de distintos lenguajes
- Procesamiento por lotes
- Búsqueda mediante el uso de expresiones regulares
tema 13
Identificación de audio con PyTorch
- Introducción a torchaudio
- Utilizando torchaudio
- Detección de audio
- Reconocimiento de audio
- Transformación de audio
- Detección de audio en vídeos
- Datasets de audio
Preguntas Frecuentes de Deep Learning con Python para clasificación de imágenes, textos y audios
¿Cuáles son los Beneficios del curso Deep Learning con Python para clasificación de imágenes, textos y audios?
Los beneficios de este curso incluyen el aprendizaje de técnicas avanzadas de Deep Learning, la capacidad para clasificar y analizar imágenes, textos y audios, y el desarrollo de habilidades altamente demandadas en la industria tecnológica. Asimismo, te permitirá mejorar la eficiencia en proyectos relacionados con inteligencia artificial dentro de tu empresa.
¿El curso de Deep Learning con Python para clasificación de imágenes, textos y audios se puede bonificar a través de FUNDAE?
Sí, este curso puede ser bonificado a través de la Fundación Estatal para la Formación en el Empleo (FUNDAE). Esto permite que las empresas puedan recuperar parte del coste del curso mediante bonificaciones en los seguros sociales.
¿En qué modalidades se imparte el curso de Deep Learning con Python para clasificación de imágenes, textos y audios?
El curso se imparte en modalidad online y en aula virtual personalizada, adaptándose así a las necesidades y disponibilidad de las empresas.
¿Qué habilidades desarrollaré con el curso de Deep Learning con Python para clasificación de imágenes, textos y audios?
Desarrollarás habilidades en técnicas de deep learning, manejo avanzado de Python, y capacidad de implementación de modelos de clasificación para imágenes, textos y audios. Esto incluye conocimiento en redes neuronales, procesamiento de lenguaje natural (NLP) y procesamiento de señales de audio.
¿Cómo puedo inscribirme en el curso de Deep Learning con Python para clasificación de imágenes, textos y audios?
Puedes inscribirte rellenando los formularios que aparecen en la web. Una vez completado el formulario, recibirás información adicional y los pasos a seguir para completar tu inscripción.