Plataformas y herramientas

Identificar componentes dañados de automóviles con Vertex AutoML Vision

Con este curso aprenderás a identificar componentes dañados de automóviles utilizando la herramienta Vertex AutoML Vision, de forma totalmente práctica.

Impartido por:

4.0 (2 valoraciones)
48 minutos y 1 segundo · Curso
Identificar componentes dañados de automóviles con Vertex AutoML Vision

Lo que aprenderás en este curso:

  • Subir un conjunto de datos etiquetado a Cloud Storage con un archivo CSV y conectarlo a Vertex AI como conjunto de datos administrado.
  • Inspeccionar imágenes subidas para asegurarse de que no haya errores en su conjunto de datos.
  • Revisar el modelo entrenado y evaluar su exactitud.

Requisitos del curso

Para un mejor aprovechamiento de esta formación, es recomendable que estés familiarizado con una variedad de servicios de Google Cloud como AutoML. Debe tener una comprensión básica de los conceptos y términos relacionados con Computer Vision.

Valoraciones de estudiantes:

  • 5
  • 4
  • 3
  • 2
  • 1
4.0
2 valoraciones

Contenido del curso:

    • 6m
    • Introducción a Vertex AutoML Vision
      7m
    • Desarrollo
      30m
    • Conclusiones y próximos pasos
      3m
También te puede interesar

Te dejamos una selección de cursos, carreras y artículos

Implementar modelo personalizado de Vertex AI para predecir el CLV

Implementación de modelo personalizado de Vertex AI para predecir el CLV

37 minutos y 7 segundos · Curso

En esta formación utilizarás BigQuery a fin de procesar y analizar datos exploratorios, y la plataforma de Vertex AI para entrenar e implementar un modelo …

  • Plataformas y herramientas
Gestionando los datos de eCommerce con GCP Bigtable

Gestionando los datos de clientes de nuestro eCommerce con GCP Bigtable

39 minutos y 14 segundos · Curso

En esta formación, utilizarás Google Cloud Console para crear una instancia de Bigtable con una tabla para almacenar las interacciones de los usuarios con los …

  • Google Cloud Platform

Dudas frecuentes

1

¿Cuándo comienza la formación?

En OpenWebinars las formaciones no tienen fecha de inicio y de final.

Cada curso tiene una fecha de publicación y desde ese día estarán 100% disponible todos los contenidos del curso para los usuarios suscritos a alguno de nuestros planes.

2

¿Cuál es el precio?

En OpenWebinars no vendemos formaciones.

Tenemos diferentes tipos de suscripciones, que te dará acceso completo a todas las formaciones de la plataforma y a las nuevas que vamos lanzando, siempre y cuando tu suscripción esté activa (como Spotify con la música o Netflix con las películas y series).

¿Eres una empresa? Tenemos planes especiales para ti. Consúltanos aquí.

3

¿Puedo obtener un diploma que acredite mis conocimientos?

Efectivamente, una vez superada cada formación, podrás descargarte el diploma acreditativo de cada una de ellas. Añádelas a tu CV y mejora tu perfil para las empresas.

También podrás obtener un diploma de nivel superior al superar todas las formaciones de la lista.

AutoML Vision es una herramienta que permite que cualquier persona con experiencia limitada en aprendizaje automático (AA) entrene modelos de clasificación de imágenes de alta calidad.

En esta formación práctica, el alumno aprenderá a producir un modelo de AA personalizado que reconozca automáticamente componentes dañados de automóviles, todo ello paso a paso y explicado de forma visual.

Si se quiere realizar este curso de una forma correcta, comprendiendo todo lo que se explica y aprovechando todo el potencial del mismo, es necesario poseer conocimientos previos con los servicios de Google Cloud Platform, como AutoML en este caso. El alumno también debe tener una comprensión básica de los conceptos y términos relacionados con Computer Vision y de cloud computing en general.

Para construir nuestro modelo de aprendizaje automático a través de la interfaz de usuario de Vertex AI comenzaremos subiendo un conjunto de imágenes a Cloud Storage, el servicio de almacenamiento de GCP, y conectarlo con Vertex AI como conjunto de datos administrado, para poder entrenar a nuestro modelo.

Después crearemos un conjunto de datos y pasaremos a inspeccionar las imágenes subidas para asegurarnos de que no haya errores en su conjunto de datos. Tras el entrenamiento de nuestro modelo, lo revisaremos y evaluaremos su exactitud.

Artículos
Ver todos