Cree un modelo de Machine Learning con Azure Custom Vision

Azure Custom Vision permite crear modelos que pueden clasificar y detectar elementos en imágenes. Podemos utilizar esto para detectar una raza de perro, si alguien está usando un casco o la presencia de otras características. Si bien esto se puede hacer mediante el uso de código y el procesamiento manual de las imágenes, Custom Vision proporciona una interfaz y herramientas basadas en la web para agilizar el proceso. ¡No se requieren conocimientos previos de aprendizaje automático o matemáticas! En el transcurso de esta sesión, construiremos un modelo para detectar razas de perros. Comenzaremos instalando y configurando las herramientas necesarias, luego crearemos el modelo personalizado cargando y etiquetando imágenes, y finalmente usaremos el modelo con un kit de desarrollo de software (SDK). ¿A quién va dirigido? Profesionales que quieran saber más sobre la Visión por Computador y la Visión Personalizada. ¿Por qué debería asistir? En esta sesión, aprenderá a: Use imágenes para entrenar un modelo para poder realizar inferencias para clasificar imágenes Presentadores: Oscar Santos - Oscar es estudiante de Ingeniería Mecatrónica en la Universidad de Guanajuato, speaker y mentor en eventos e iniciativas de tecnología. En el marco de su intercambio en Francia realiza un internship como Cloud & DevOps Engineer. Él es Beta Microsoft Learn Student Ambassadors, cofundador y colíder de Azure Tech Frogs, apasionado por la innovación y por aprender todo el tiempo. En sus tiempos libres produce música electrónica y participa en hackathons con David. David Lazaro - David is 21 year old a Mexican C.S student at the Universidad Autonoma de Nuevo Leon. He's a Beta Microsoft Learn Student Ambassador , he's also part of programs like GitHub Campus Experts and the president of one of the most important tech communities in UANL "Bisontech". David loves to organize hackathons, develop apps that solve real world problems with Oscar and he also loves orange cats. Aquí hay un enlace útil para esta sesión: https://aka.ms/Jun29ClasificacionImag... [eventID:16332]