En la edición 0 de nuestros meetups vimos cómo trabajar Python y las librerías que se usan a diario a la hora de atacar problemas de datos. Tras la última edición, creamos nuestro primer preceptor desde cero, sin APIs, solo con Python y Numpy para simplificar las matemáticas, y acabamos implementando un MLP (Perceptron Multi-capa) para poder hacer una clasificación binaria que no se puede separar con una solo línea. Por encima hemos empezado a nombrar y ver que es una función de coste, un optimizador y cómo crear un modelo de ML. Es hora de dar un paso más, y uno de los temas calientes a día de hoy en DL y la aplicación de convoluciones en redes neuronales, está en la visión por computador.

Para esta edición veremos y extraeremos la intuición detrás de las principales funciones de coste y optimizadores, el impacto de las variaciones en los parámetros de un modelo sobre los resultados y la hyper-parametrización de la red. En siguientes meetups, veremos como analizar un stream de video en tiempo real, crear boudning boxes y más aspectos de visión por computador que se escapan un poco de la parte de modelado.

Fechas: 04/04/2019
Inicio: 19:00
Fin: 20:30
Plazas: 40

- Agenda:
- Funciones de coste y optimizadores. Qué son, cómo y cuándo usarlos.
- Tratamiento de images para vision por computador. (Augmentation process)
- Creación con TensorFlow de una CNN sencilla para clasificación de imágenes.
- Análisis de los resultados y la intuición detrás de ellos.
- Transferencia de conocimiento aplicada a la visión por computador.

- Material necesario recomendado:
- Google Collab con Google Drive. https://colab.research.google.com
- Revisión de Python 3.6 + Keras + TF https://github.com/pabloformoso/MeetupCorunaAI/tree/master/0.Intro
- Notebooks disponibles en https://github.com/pabloformoso/MeetupCorunaAI
- Muchas ganas.`