Módulo 24 · Más allá del texto

Visión por computador

Imágenes y vídeo: convoluciones, clasificación, detección, segmentación, 3D y modelos que ven y entienden.

Qué vas a aprender

1. Píxeles, canales y color · Práctica · ~45 min
2. Convoluciones desde cero · Práctica · ~75 min
3. Redes convolucionales: de LeNet a ResNet · Teoría y práctica · ~75 min
4. Clasificar imágenes · Práctica · ~75 min
5. Aprovechar modelos preentrenados (transfer learning) · Práctica · ~75 min
6. Detectar objetos con YOLO · Práctica · ~75 min
7. Segmentación semántica con U-Net · Práctica · ~75 min
8. Segmentar objeto a objeto: Mask R-CNN · Teoría y práctica · ~75 min
9. Vision Transformers: la idea · Práctica · ~45 min
10. Vision Transformers en código · Práctica · ~45 min
11. Aprender sin etiquetas: SimCLR, DINO y MAE · Teoría y práctica · ~75 min
12. CLIP: imágenes y texto en el mismo espacio · Práctica · ~45 min
13. Buscar imágenes parecidas · Práctica · ~45 min
14. Leer documentos: OCR y más · Teoría y herramientas · ~45 min
15. Puntos clave y postura del cuerpo · Práctica · ~45 min
16. Estimar la profundidad con una sola cámara · Práctica · ~60 min
17. Seguir objetos en vídeo · Práctica · ~60 min
18. Entender vídeo · Teoría y práctica · ~45 min
19. Visión 3D: nubes de puntos y NeRF · Teoría y práctica · ~45 min
20. 3D Gaussian Splatting · Práctica · ~90 min
21. Segmentar cualquier cosa (SAM 3) · Práctica · ~60 min
22. Modelos que ven y hablan · Teoría y herramientas · ~75 min
23. Visión en tiempo real en dispositivos · Teoría y práctica · ~75 min
24. Proyecto: un sistema de visión completo · Práctica · ~120 min