Construcción de Modelos de Generación de Descripciones de Imágenes con Deep Learning

Cerrar la brecha entre ver y describir es uno de los desafíos más emocionantes en inteligencia artificial. Este curso lo guiará a través de los fundamentos de la generación de descripciones de imágenes, mostrándole cómo las computadoras pueden aprender a comprender el contenido visual y traducirlo a un lenguaje natural y coherente. Pasará de comprender redes neuronales básicas a construir sistemas completos codificador-decodificador. Al trabajar a través de explicaciones claras y recorridos de código estructurados, adquirirá las habilidades para construir, entrenar y evaluar sus propias canalizaciones personalizadas de generación de descripciones de imágenes. Lo que aprenderá: - Comprender los conceptos fundamentales de la integración de visión por computadora y procesamiento de lenguaje natural. - Explorar arquitecturas codificador-decodificador utilizando redes convolucionales y modelos modernos basados en transformadores. - Implementar mecanismos de atención para ayudar a su modelo a enfocarse en regiones específicas de la imagen durante la generación de texto. - Aplicar técnicas modernas de preprocesamiento de conjuntos de datos tanto para características de imágenes como para tokens de texto. - Entrenar y evaluar modelos de generación de descripciones utilizando métricas estándar como BLEU y CIDEr. - Configurar estrategias de decodificación como búsqueda codiciosa (greedy search) y búsqueda por haz (beam search) para generar oraciones naturales. El curso comienza con definiciones centrales y conceptos estructurales antes de avanzar paso a paso a través de la preparación de datos, la construcción de modelos y los bucles de entrenamiento. Aprenderá a depurar y refinar sus modelos a través de explicaciones escritas claras y fragmentos de código prácticos. Diseñado para desarrolladores, entusiastas de la ciencia de datos y estudiantes nuevos en deep learning que desean explorar la intersección de la visión y el lenguaje, este curso no requiere prerrequisitos avanzados. Comience a leer hoy mismo para desbloquear el poder de la inteligencia artificial multimodal.