{"id":1643,"date":"2023-11-02T11:37:53","date_gmt":"2023-11-02T10:37:53","guid":{"rendered":"https:\/\/ia4legos.umh.es\/?page_id=1643"},"modified":"2023-12-01T18:27:32","modified_gmt":"2023-12-01T17:27:32","slug":"api-keras-para-redes-convolucionales","status":"publish","type":"page","link":"https:\/\/unidigital.umh.es\/en\/api-keras-para-redes-convolucionales\/","title":{"rendered":"(Espa\u00f1ol) API Keras para redes convolucionales<\/span>"},"content":{"rendered":"

[et_pb_section fb_built=”1″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_row _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.17.4″ _module_preset=”default” custom_padding=”4px||4px|||” link_option_url=”https:\/\/unidigital.umh.es\/dl-iasac\/” global_colors_info=”{}”]<\/p>\n

IR A CONTENIDOS DEEP LEARNING<\/strong><\/span><\/h1>\n

[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row column_structure=”1_5,3_5,1_5″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”1_5″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_button button_url=”https:\/\/unidigital.umh.es\/api-keras-para-redes-multicapa-densas\/” button_text=”Unidad 2.1 API Keras para redes multicapa densas” button_alignment=”center” _builder_version=”4.17.4″ _module_preset=”default” custom_button=”on” button_text_size=”14px” button_text_color=”#bf4c00″ button_bg_color=”#FFFFFF” button_border_color=”#bf5800″ button_font=”Roboto||||||||” button_icon=”H||divi||400″ button_icon_placement=”left” transform_scale_tablet=”” transform_scale_phone=”” transform_scale_last_edited=”on|desktop” transform_translate=”-92px|0px” transform_translate_tablet=”-21px|0px” transform_translate_phone=”-22px|0px” transform_translate_last_edited=”on|phone” transform_translate_linked=”off” transform_rotate_tablet=”” transform_rotate_phone=”” transform_rotate_last_edited=”on|desktop” transform_skew_tablet=”” transform_skew_phone=”” transform_skew_last_edited=”on|desktop” transform_origin_tablet=”” transform_origin_phone=”” transform_origin_last_edited=”on|desktop” transform_styles_last_edited=”on|phone” custom_margin=”|-50px|||false|false” transform_styles_tablet=”” transform_styles_phone=”” global_colors_info=”{}”][\/et_pb_button][\/et_pb_column][et_pb_column type=”3_5″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.17.4″ _module_preset=”default” text_font=”Signika||||||||” header_2_font_size=”22px” global_colors_info=”{}”]<\/p>\n

M\u00f3dulo 3. Redes Convolucionales<\/strong><\/h1>\n

<\/strong><\/p>\n

Unidad 3.1 API Keras para redes convolucionales (I)<\/strong><\/h2>\n

 <\/p>\n

[\/et_pb_text][\/et_pb_column][et_pb_column type=”1_5″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_button button_url=”https:\/\/unidigital.umh.es\/api-keras-para-redes-convolucionales-ii\/” button_text=”Unidad 3.2 API Keras para redes convolucionales (II)” button_alignment=”center” _builder_version=”4.17.4″ _module_preset=”default” custom_button=”on” button_text_size=”14px” button_text_color=”#bf4c00″ button_bg_color=”#FFFFFF” button_border_color=”#bf5800″ button_font=”Roboto||||||||” button_icon=”I||divi||400″ transform_scale_tablet=”” transform_scale_phone=”” transform_scale_last_edited=”on|tablet” transform_translate=”41px|0px” transform_translate_tablet=”-20px|0px” transform_translate_phone=”-20px|0px” transform_translate_last_edited=”on|phone” transform_translate_linked=”off” transform_translate_linked_tablet=”off” transform_rotate_tablet=”” transform_rotate_phone=”” transform_rotate_last_edited=”on|tablet” transform_skew_tablet=”” transform_skew_phone=”” transform_skew_last_edited=”on|tablet” transform_origin_tablet=”” transform_origin_phone=”” transform_origin_last_edited=”on|tablet” transform_styles_last_edited=”on|phone” custom_margin=”|-70px|||false|false” transform_styles_tablet=”” transform_styles_phone=”” global_colors_info=”{}”][\/et_pb_button][\/et_pb_column][\/et_pb_row][et_pb_row column_structure=”1_3,1_3,1_3″ _builder_version=”4.17.4″ _module_preset=”default” width=”89%” max_width=”1543px” global_colors_info=”{}”][et_pb_column type=”1_3″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_image src=”https:\/\/ia4legos.umh.es\/files\/2023\/07\/Enlace-a-cuaderno-7.png” title_text=”Enlace a cuaderno 7″ url=”https:\/\/colab.research.google.com\/drive\/1__iLgP1FgfqwCOMZyR1Ao7gMckvhvy7a#scrollTo=-7whhErFzY9J” url_new_window=”on” align=”center” _builder_version=”4.17.4″ _module_preset=”default” width=”50%” global_colors_info=”{}”][\/et_pb_image][et_pb_accordion _builder_version=”4.17.4″ _module_preset=”default” toggle_font=”Signika||||||||” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″][et_pb_accordion_item title=”Tema 7. An\u00e1lisis de im\u00e1genes (I)” open=”on” _builder_version=”4.17.4″ _module_preset=”default” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″]<\/p>\n

    \n
  1. Introducci\u00f3n a las redes convulcionales<\/a><\/span><\/li>\n
  2. C\u00f3mo se logra que una red convolucional aprenda<\/a><\/span><\/li>\n
  3. Aspectos matem\u00e1ticos de las convolucionales<\/a><\/span><\/li>\n
  4. Componentes b\u00e1sicos de una red neuronal convolucional<\/a><\/span><\/li>\n
  5. Implementaci\u00f3n de un modelo b\u00e1sico en Keras<\/a><\/span><\/li>\n
  6. Hiperpar\u00e1metros de la capa convolucional<\/a><\/span><\/li>\n<\/ol>\n

     <\/p>\n

    [\/et_pb_accordion_item][\/et_pb_accordion][et_pb_image src=”https:\/\/ia4legos.umh.es\/files\/2023\/07\/Enlace-a-video-cuaderno-7.png” title_text=”Enlace a v\u00eddeo cuaderno 7″ url=”https:\/\/www.youtube.com\/watch?v=cOWCt_WQ1h8&list=PLClKgnzRFYe6aNxojV8JV1d74EUtosmus&index=7″ url_new_window=”on” align=”center” _builder_version=”4.17.4″ _module_preset=”default” width=”50%” global_colors_info=”{}”][\/et_pb_image][\/et_pb_column][et_pb_column type=”1_3″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_image src=”https:\/\/ia4legos.umh.es\/files\/2023\/07\/Enlace-a-cuaderno-8.png” title_text=”Enlace a cuaderno 8″ url=”https:\/\/colab.research.google.com\/drive\/1__iLgP1FgfqwCOMZyR1Ao7gMckvhvy7a#scrollTo=-7whhErFzY9J” url_new_window=”on” align=”center” _builder_version=”4.17.4″ _module_preset=”default” width=”50%” module_alignment=”center” global_colors_info=”{}”][\/et_pb_image][et_pb_accordion _builder_version=”4.17.4″ _module_preset=”default” toggle_font=”Signika||||||||” custom_padding=”||25px||false|false” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″][et_pb_accordion_item title=”Tema 8. An\u00e1lisis de im\u00e1genes (II)” open=”on” _builder_version=”4.17.4″ _module_preset=”default” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″]<\/p>\n

      \n
    1. Entrenando redes convulocionales con bancos de datos<\/a><\/span><\/li>\n
    2. La relevancia del aprendizaje profundo para problemas con pocos datos<\/a><\/span><\/li>\n
    3. Data Augmentation<\/a><\/span><\/li>\n
    4. Transfer Learning<\/a><\/span><\/li>\n
    5. Conclusi\u00f3n<\/a><\/span><\/li>\n<\/ol>\n

      [\/et_pb_accordion_item][\/et_pb_accordion][et_pb_image src=”https:\/\/ia4legos.umh.es\/files\/2023\/07\/Enlace-a-video-cuaderno-8.png” title_text=”Enlace a v\u00eddeo cuaderno 8″ url=”https:\/\/www.youtube.com\/watch?v=nNADmg9hhY8&list=PLClKgnzRFYe6aNxojV8JV1d74EUtosmus&index=8″ url_new_window=”on” align=”center” _builder_version=”4.17.4″ _module_preset=”default” width=”50%” global_colors_info=”{}”][\/et_pb_image][\/et_pb_column][et_pb_column type=”1_3″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_image src=”https:\/\/ia4legos.umh.es\/files\/2023\/07\/Enlace-a-cuaderno-9.png” title_text=”Enlace a cuaderno 9″ url=”https:\/\/colab.research.google.com\/drive\/1__iLgP1FgfqwCOMZyR1Ao7gMckvhvy7a#scrollTo=-7whhErFzY9J” url_new_window=”on” align=”center” _builder_version=”4.17.4″ _module_preset=”default” width=”50%” module_alignment=”center” global_colors_info=”{}”][\/et_pb_image][et_pb_accordion _builder_version=”4.17.4″ _module_preset=”default” toggle_font=”Signika||||||||” custom_padding=”||33px||false|false” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″][et_pb_accordion_item title=”Tema 9. An\u00e1lisis de im\u00e1genes (III)” open=”on” _builder_version=”4.17.4″ _module_preset=”default” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″]<\/p>\n

        \n
      1. M\u00e9todos avanzados de redes neuronales para el an\u00e1lisis de im\u00e1genes<\/a><\/span><\/li>\n
      2. Segmentaci\u00f3n de im\u00e1genes<\/a><\/span><\/li>\n
      3. Arquitecturas modernas en redes convolucionales<\/a><\/span><\/li>\n<\/ol>\n

        <\/span><\/p>\n

        <\/span><\/p>\n

        <\/span><\/p>\n

        <\/span><\/p>\n

        [\/et_pb_accordion_item][\/et_pb_accordion][et_pb_image src=”https:\/\/ia4legos.umh.es\/files\/2023\/07\/Enlace-a-video-cuaderno-9.png” title_text=”Enlace a v\u00eddeo cuaderno 9″ url=”https:\/\/www.youtube.com\/watch?v=xXrd5VML4rM&list=PLClKgnzRFYe6aNxojV8JV1d74EUtosmus&index=9″ url_new_window=”on” align=”center” _builder_version=”4.17.4″ _module_preset=”default” width=”50%” custom_padding=”|||0px|false|false” global_colors_info=”{}”][\/et_pb_image][\/et_pb_column][\/et_pb_row][et_pb_row column_structure=”1_3,1_3,1_3″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”1_3″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_gallery gallery_ids=”2248,2251,2254″ posts_number=”1″ show_title_and_caption=”off” _builder_version=”4.17.4″ _module_preset=”default” transform_scale_linked=”off” transform_translate=”-165px|0px” transform_translate_linked=”off” global_colors_info=”{}”][\/et_pb_gallery][\/et_pb_column][et_pb_column type=”1_3″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_gallery gallery_ids=”2242,2245″ posts_number=”1″ show_title_and_caption=”off” _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][\/et_pb_gallery][\/et_pb_column][et_pb_column type=”1_3″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_gallery gallery_ids=”2236,2239″ posts_number=”1″ show_title_and_caption=”off” _builder_version=”4.17.4″ _module_preset=”default” transform_translate=”152px|0px” transform_translate_linked=”off” global_colors_info=”{}”][\/et_pb_gallery][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"

        IR A CONTENIDOS DEEP LEARNINGM\u00f3dulo 3. Redes Convolucionales Unidad 3.1 API Keras para redes convolucionales (I)   Introducci\u00f3n a las redes convulcionales C\u00f3mo se logra que una red convolucional aprenda Aspectos matem\u00e1ticos de las convolucionales Componentes b\u00e1sicos de una red neuronal convolucional Implementaci\u00f3n de un modelo b\u00e1sico en Keras Hiperpar\u00e1metros de la capa convolucional   […]<\/p>\n","protected":false},"author":24713,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","_links_to":"","_links_to_target":""},"_links":{"self":[{"href":"https:\/\/unidigital.umh.es\/en\/wp-json\/wp\/v2\/pages\/1643"}],"collection":[{"href":"https:\/\/unidigital.umh.es\/en\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/unidigital.umh.es\/en\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/unidigital.umh.es\/en\/wp-json\/wp\/v2\/users\/24713"}],"replies":[{"embeddable":true,"href":"https:\/\/unidigital.umh.es\/en\/wp-json\/wp\/v2\/comments?post=1643"}],"version-history":[{"count":0,"href":"https:\/\/unidigital.umh.es\/en\/wp-json\/wp\/v2\/pages\/1643\/revisions"}],"wp:attachment":[{"href":"https:\/\/unidigital.umh.es\/en\/wp-json\/wp\/v2\/media?parent=1643"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}