Aprendizagem automática prática para visão computacional

Este livro prático mostra-te como utilizar modelos de aprendizagem automática para extrair informações de imagens. Os engenheiros de ML e os cientistas de dados aprenderão a resolver uma variedade de problemas de imagem, incluindo classificação, deteção de objectos, autoencoders, geração de imagens, contagem e legendagem com técnicas de ML comprovadas. Este livro fornece uma excelente introdução à aprendizagem profunda de ponta a ponta: criação de conjuntos de dados, pré-processamento de dados, conceção de modelos, formação de modelos, avaliação, implementação e interpretabilidade.

Os engenheiros da Google Valliappa Lakshmanan, Martin Görner e Ryan Gillard mostram-te como desenvolver modelos de ML de visão por computador precisos e explicáveis e colocá-los em produção em grande escala utilizando uma arquitetura de ML robusta de uma forma flexível e sustentável. Aprenderás a conceber, treinar, avaliar e prever com modelos escritos em TensorFlow ou Keras.

Aprenderás a:

• Projetar arquitetura ML para tarefas de visão computacional
• Selecionar um modelo (como ResNet, SqueezeNet ou EfficientNet) adequado à tua tarefa
• Cria um pipeline de ML de ponta a ponta para treinar, avaliar, implementar e explicar o teu modelo
• Pré-processa imagens para aumentar os dados e apoiar a capacidade de aprendizagem
• Incorpora a explicabilidade e as melhores práticas de IA responsável
• Implementa modelos de imagem como serviços Web ou em dispositivos periféricos
• Monitoriza e gere modelos de ML