Modelos para clasificación de imágenes, análisis de secuencias y detección de objetos en problemas reales.
Las tareas de clasificación visual y análisis de secuencias superan la capacidad de los sistemas basados en reglas. Detectar objetos en tiempo real, clasificar imágenes con miles de categorías o predecir comportamientos en series temporales requieren modelos capaces de aprender jerarquías de características directamente desde los datos crudos.
Redes neuronales profundas especializadas por tipo de tarea: CNNs para extracción de características espaciales en imágenes, LSTMs para captura de dependencias temporales en secuencias, DNNs para clasificación desde cero, y YOLOv5 para detección de objetos en tiempo real con regresión directa sobre la imagen.
Clasificar imágenes en múltiples categorías es inviable con reglas manuales: el número de features r…
Ver proyecto →Clasificar reseñas de películas como positivas o negativas requiere capturar dependencias semánticas…
Ver proyecto →Demostrar por qué las redes neuronales con capas ocultas son necesarias: el problema XOR no es linea…
Ver proyecto →Detectar y localizar múltiples objetos en una imagen en tiempo real requiere un modelo que simultáne…
Ver proyecto →