Detección de Anomalías con Python – Modelo OneClass

- Modalidad en línea - On demand
- Incluye certificado de finalización con identificador único
- Asesoría mediante WhatsApp (directo con el instructor)
- Acceso permanente al contenido
Lo que Aprenderás
Este curso de nivel intermedio-avanzado está diseñado para profesionales con experiencia previa en redes neuronales que desean implementar un sistema práctico y funcional para la detección de anomalías visuales en imágenes.
A lo largo del curso, desarrollarás un modelo de inteligencia artificial capaz de identificar y localizar regiones defectuosas, generando mapas de calor que permiten visualizar con claridad las áreas anómalas. Aprenderás a entrenar y utilizar el modelo con imágenes reales, y a visualizar los resultados de forma interpretativa y profesional.
Una de las principales ventajas de este enfoque es que el modelo solo necesita imágenes OK (de piezas buenas) para ser entrenado, sin requerir ejemplos de fallas o defectos. Esto permite implementar sistemas de inspección incluso cuando no se dispone de muestras defectuosas, reduce el tiempo de preparación de datos y facilita el escalado a nuevos productos o líneas de producción.
Ideal para ingenieros, desarrolladores y técnicos que buscan aplicar visión por computadora en entornos industriales con un enfoque práctico y eficiente.
- Estudio de modelo para la generación de mapas de anomalías
- Desarrollo e implementación de un modelo personalizado
- Entrenamiento con imágenes "OK"
- Detección de anomalías en imágenes
- Generación de mapas de anomalías
- Creación de conjuntos de datos personalizados
Material y equipo
- Laptop o computadora de escritorio con Core i3 o superior, 16GB RAM (mínimo), gráfica NVIDIA serie RTX o con soporte para CUDA
- Webcam, puede ser sencilla
- Multiples piezas para practicar
- Python
- Listo, no requieres más material
Preguntas frecuentes
El acceso es permanente?
Incluye alguna constancia o diploma?
Es un curso pregrabado, ¿Qué pasa si tengo dudas?
Puedes contactar al instructor en todo momento mediante WhatsApp, o consultar en el grupo exclusivo de estudiantes. Normalmente demoramos un par de minutos en ver tu mensaje.
Currículum
- 5 Sections
- 17 Lessons
- Duración
- Introducción2
- Preparación del entorno de trabajo2
- Construcción del modelo10
- 3.1Estructura del Modelo7 Minutes
- 3.2Extracción de características6 Minutes
- 3.3Generación de anomalías5 Minutes
- 3.4Generador de mapas de calor6 Minutes
- 3.5Creación del modelo – Inicialización6 Minutes
- 3.6Creación del modelo – Paso de entrenamiento personalizado13 Minutes
- 3.7Carga de datos y preprocesamiento11 Minutes
- 3.8Visualización e interpretación de resultados32 Minutes
- 3.9Guardado del modelo
- 3.10Carga e inferencia con el modelo4 Minutes
- Trabajar con el modelo entrenado2
- Sección de bonus - Actualizaciones de la estructura.1
Jesús Abraham Martínez Aguilar
Soy un apasionado por la innovación tecnológica, el desarrollo y el emprendimiento. Durante mi educación superior me enfoqué en la programación de software para visión artificial e inteligencia artificial. Poco después al graduarme tuve la oportunidad de aplicar estos conocimientos en el desarrollo de soluciones para empresas como General Motors, Ford, Harley-Davidson, Mack, Tesla y unas cuantas empresas más del ramo automotriz.
Posiblemente estés interesado en
-
Todos los niveles
-
17 Estudiante
-
0 Lección
-
Principiante
-
113 Estudiante
-
52 Lección
-
Intermedio
-
115 Estudiante
-
44 Lección
-
Principiante
-
118 Estudiante
-
68 Lección
Sign up to receive our latest updates
Ponte en contacto
Dirección
Temas populares
- © 2024 Academia TIN. Todos los derechos reservados.