Desmitificando el Deep Learning: Segmentación Semántica y Despliegue

Descripción general

El Deep Learning (o Aprendizaje Profundo) puede alcanzar niveles de precisión muy altos, siendo actualmente el estado del arte para muchas tareas consideradas como muy difíciles o incluso irresolubles utilizando técnicas tradicionales de Machine Learning, incluyendo clasificación de objetos en una escena o el reconocimiento de rutas óptimo en un entorno.

En este seminario virtual descifraremos el conocimiento que permite utilizar técnicas de Deep Learning y demostraremos las nuevas funcionalidades de MATLAB que simplifican estas tareas y eliminan la programación a bajo nivel. Desde la creación de prototipos al paso a producción: construiremos y entrenaremos redes neuronales, y convertiremos automáticamente los modelos entrenados a código CUDA, para su ejecución nativa en GPUs.

Nota: Este seminario virtual se basa en conceptos previos ya discutidos en el seminario virtual (grabado) Aprendizaje Profundo para Visión Artificial con MATLAB

Aspectos destacados

• Segmentación semántica a nivel de píxel en imágenes
• Importación y uso de modelos pre-entrenados de TensorFlow y Caffe
• Aceleración del entrenamiento de la red con computación paralela en un clúster
• Data Augmentation para mejorar la precisión de un modelo de aprendizaje profundo
• Conversión automática de un modelo a CUDA para ejecución nativa en GPU

Acerca del presentador

Lucas García es Senior Application Engineer en MathWorks especializado en Machine Learning y Big Data Analytics con más de 12 años de experiencia en la industria del software e investigación. Lucas es licenciado en Matemáticas por la Universidad Autónoma de Madrid y máster en Ingeniería Matemática y doctor en Matemáticas por la Universidad Complutense de Madrid. Su investigación está centrada en el uso de redes neuronales artificiales para resolver problemas de optimización combinatoria.