Aprendizaje automático práctico para visión por ordenador

Este libro práctico te muestra cómo emplear modelos de aprendizaje automático para extraer información de las imágenes. Los ingenieros de ML y los científicos de datos aprenderán a resolver diversos problemas de imágenes, como la clasificación, la detección de objetos, los autocodificadores, la generación de imágenes, el recuento y el subtitulado, con técnicas de ML probadas. Este libro proporciona una gran introducción al aprendizaje profundo de principio a fin: creación de conjuntos de datos, preprocesamiento de datos, diseño de modelos, entrenamiento de modelos, evaluación, despliegue e interpretabilidad.

Los ingenieros de Google Valliappa Lakshmanan, Martin Görner y Ryan Gillard te muestran cómo desarrollar modelos ML de visión por ordenador precisos y explicables y ponerlos en producción a gran escala utilizando una arquitectura ML robusta de forma flexible y mantenible. Aprenderás a diseñar, entrenar, evaluar y predecir con modelos escritos en TensorFlow o Keras.

Aprenderás a:

• Diseñar arquitectura ML para tareas de visión por ordenador
• Seleccionar un modelo (como ResNet, SqueezeNet o EfficientNet) adecuado a tu tarea
• Crea una canalización ML integral para entrenar, evaluar, desplegar y explicar tu modelo
• Preprocesa las imágenes para aumentar los datos y favorecer la capacidad de aprendizaje
• Incorpora la explicabilidad y las mejores prácticas de IA responsable
• Despliega modelos de imágenes como servicios web o en dispositivos periféricos
• Supervisar y gestionar modelos ML