TAREA # 1: COMPRENDER EL PROBLEMA Y EL CASO

PRÁCTICO

Figura 1. Clasificación de Enfermedades utilizando Deep Learning

TAREA # 2: IMPORTAR LIBRERÍAS Y CONJUNTO DE DATOS

import os
import cv2
import tensorflow as tf
import numpy as np
from tensorflow.keras import layers, optimizers
from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.layers import Input, Add, Dense, Activation, ZeroPadding2D, BatchNor
from tensorflow.keras.models import Model, load_model
from tensorflow.keras import backend as K
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.callbacks import ReduceLROnPlateau, EarlyStopping, ModelCheckpoint, 
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

/usr/local/lib/python3.6/dist-packages/statsmodels/tools/_testing.py:19: FutureWarnin
import pandas.util.testing as tm

# Necesitarás montar tu disco usando los siguientes comandos:
# Para obtener más información sobre el montaje, consulta esto: https://stackoverflow.com/

from google.colab import drive
drive.mount("/content/drive")

Go to this URL in a browser: https://accounts.google.com/o/oauth2/auth?client_id=9473

Enter your authorization code:

··········

Mounted at /content/drive

# Especificar el directorio del conjunto de entrenamiento

# Listar las carpetas de dicho directorio

# Utilizar el generador de imágenes para generar datos de imágenes de tensores y normaliza
# Utilizar el 20% de los datos para la validación cruzada posterior

# Genere lotes de 40 imágenes
# El número total de imágenes es 133 * 4 = 532 imágenes
# El entrenamiento usará es 428 (80%) y la validación usará 104 (20%)
# Realizar muestreo aleatoria y cambio del tamaño en las imágenes
# Generar un lote de 40 imágenes y etiquetas

# Traductor de cada Etiqueta

TAREA #3: VISUALIZACIÓN DEL DATASET

# Crea una matriz de 36 imágenes junto con sus etiquetas correspondientes
  

TAREA #4: ENTENDER LA TEORÍA Y LA INTUICIÓN

DETRAS DE LAS REDES NEURONALES PROFUNDAS
TEORÍA #5: ENTENDER LA TEORÍA Y LA INTUICIÓN
DETRÁS DEL APRENDIZAJE POR TRANSFERENCIA
TAREA #6: IMPORTAR EL MODELO CON PESOS PRE
ENTRENADOS

# Congelar el modelo hasta las últimas etapas - 4 y llevar a cabo un re entrenamiento -5 

TAREA #7: CONSTRUIR Y ENTRENAR UN MODELO DE

DEEP LEARNING

# Usar la parada temprana (early stopping) para salir del entrenamiento si la pérdida en l

# Almacenar el mejor modelo con la menor pérdida en la validación
TAREA #8: EVALUAR EL MODELO DE DEEP LEARNING
ENTRENADO

    

BUEN TRABAJO! PUEDES ESTAR ORGULLOSO DE TUS

NUEVAS HABILIDADES ADQUIRIDAS