Descripción
El libro comienza con los fundamentos de la visión artificial: redes neuronales convolucionales, RESNET, YOLO, aumento de datos y otras técnicas de regularización utilizadas en la industria. Luego, le ofrece una descripción general rápida de las bibliotecas de PyTorch utilizadas en el libro. Después de eso, lo lleva a través de la implementación de problemas de clasificación de imágenes, técnicas de detección de objetos y aprendizaje por transferencia mientras entrena y ejecuta inferencias. El libro cubre la segmentación de imágenes y un modelo de detección de anomalías. Y analiza los fundamentos del procesamiento de video para tareas de visión artificial que convierten imágenes en videos. El libro concluye con una explicación del proceso completo de construcción de modelos para marcos de aprendizaje profundo utilizando técnicas optimizadas con énfasis en la explicabilidad del modelo de IA.
Después de leer este libro, podrá construir sus propios proyectos de visión artificial utilizando aprendizaje por transferencia y PyTorch. Lo que aprenderá
- Resolver problemas de visión artificial con PyTorch.
- Implementar aprendizaje por transferencia y realizar clasificación de imágenes, detección de objetos, segmentación de imágenes y otras aplicaciones de visión artificial
- Diseñar y desarrollar proyectos de visión artificial de grado de producción para problemas de la industria del mundo real
- Interpretar modelos de visión artificial y resolver problemas de negocio
Para quién es este libro
Científicos de datos e ingenieros de aprendizaje automático interesados en construir proyectos de visión artificial y resolver problemas de negocio
Autor: Akshay Kulkarni, Adarsha Shivananda, Nitin Ranjan Sharma
Editorial: Apress
Publicado: 19/07/2022
Páginas: 346
Tipo de encuadernación: Tapa blanda
Peso: 1.12 libras
Tamaño: 9.21 pulgadas (alto) x 6.14 pulgadas (ancho) x 0.75 pulgadas (profundo)
ISBN13: 9781484282724
ISBN10: 1484282728
Categorías BISAC:
- Computadoras | Inteligencia Artificial | General
- Computadoras | Lenguajes | Python
Acerca del autor
Akshay R Kulkarni es un evangelista de IA y aprendizaje automático (ML) y un líder de opinión. Ha asesorado a empresas de Fortune 500 y globales para impulsar transformaciones estratégicas impulsadas por IA y ciencia de datos. Actualmente es gerente de ciencia de datos e IA en Publicis Sapien. Es desarrollador de Google y autor del libro Natural Language Processing Recipes (Apress). Es un orador habitual en las principales conferencias de IA y ciencia de datos (incluidas Strata, O'Reilly AI Conf y GIDS). Akshay es profesor visitante en algunos de los principales institutos de posgrado de la India. En 2019, fue incluido entre los 40 mejores científicos de datos menores de 40 años de la India. En su tiempo libre, le gusta leer, escribir, codificar y ayudar a los aspirantes a científicos de datos. Vive en Bangalore con su familia.
Adarsha Shivananda es científico de datos sénior en el equipo de productos y tecnología de Indegene, donde trabaja en la creación de capacidades de aprendizaje automático e inteligencia artificial (IA) para productos farmacéuticos. Su objetivo es crear un grupo de científicos de datos excepcionales dentro y fuera de la organización para resolver problemas a través de programas de capacitación, y siempre quiere estar a la vanguardia. Anteriormente, trabajó con Tredence Analytics e IQVIA. Ha trabajado ampliamente en los dominios farmacéutico, sanitario, minorista y de marketing. Vive en Bangalore y le encanta leer y enseñar ciencia de datos.
Nitin Ranjan Sharma es gerente en Novartis, donde lidera un equipo para desarrollar productos utilizando técnicas multimodales. Ha sido consultor desarrollando soluciones para empresas de Fortune 500, involucrado en la resolución de problemas comerciales complejos utilizando marcos de aprendizaje automático y aprendizaje profundo. Su principal área de enfoque y experiencia central son la visión artificial y la resolución de algunos de los desafiantes problemas comerciales relacionados con datos de imágenes y videos. Antes de Novartis, formó parte del equipo de ciencia de datos de Publicis Sapient, EY y TekSystems Global Services. Es un orador habitual en comunidades y reuniones de ciencia de datos y también un colaborador de código abierto. También ha estado capacitando y asesorando a entusiastas de la ciencia de datos.