Scribd
Cargar
5 vistas1 página

Proyecto de Clasificación de Imágenes en Python

El trabajo práctico consiste en formar grupos de hasta 3 integrantes para completar un proyecto de clasificación de imágenes utilizando redes convolucionales. Los estudiantes deben terminar de codificar un modelo existente, investigar sobre el tema, y documentar sus decisiones y participación sin copiar todo el código. La entrega del trabajo se debe realizar antes del 22 de noviembre, incluyendo un documento y el código desarrollado en un entorno compartido.

Cargado por

Natalia Liscio
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
5 vistas1 página

Proyecto de Clasificación de Imágenes en Python

El trabajo práctico consiste en formar grupos de hasta 3 integrantes para completar un proyecto de clasificación de imágenes utilizando redes convolucionales. Los estudiantes deben terminar de codificar un modelo existente, investigar sobre el tema, y documentar sus decisiones y participación sin copiar todo el código. La entrega del trabajo se debe realizar antes del 22 de noviembre, incluyendo un documento y el código desarrollado en un entorno compartido.

Cargado por

Natalia Liscio
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Trabajo práctico grupal 1 – Procesamiento de aprendizaje automático.

Formación:
1- Grupos de hasta 3 integrantes.
2- Link para armar grupos:
[Link]
prUBZ1m_lsn1HknBPmngs2B8/edit?usp=sharing

Consigna:
En base al código desarrollado de clasificación de imágenes con redes convolucionales del siguiente link:

[Link]
#scrollTo=xxjQOdsSHuTe

1- Terminar de codificar para poder predecir imágenes/fotos/dibujos que sean cargados contra los
10 tipos diferentes de ejemplos que el modelo ya fue previamente entrenado.
2- Para dicha tarea se deberá investigar cómo realizar el trabajo.
3- No alterar el código original (en caso de necesitar hacerlo especificar qué se
modifica en el documento detallado abajo). Empezar desde donde dice
“CONTINUAR DESDE ACA”
ubicado al final del desarrollo.
4- El trabajo se debe continuar con Python y/o JavaScript.
5- Del código original: Se podrán modificar los parámetros de
entrada/función de activación/epochs para aumentar la precisión (accuracy) y bajar
la perdida (loss).

Entrega:

1- Armar un documento que detalle las decisiones tomadas, participación de cada


integrante y cuestiones pertinentes sin copiar/pegar todo el codigo al documento.
2- Desarrollar el código en un entorno colab u otro y luego compartirlo a
[Link]@[Link]
3- Fecha de entrega 22/11.

También podría gustarte