En la Sesion 5, ultima del Proyecto Fei-Fei, el alumnado carga el modelo guardado en la Sesion 4 y lo ve predecir imagen a imagen, incluyendo a proposito dos casos reales de Camisa mal clasificados para comprobar visualmente por que esa categoria es la mas dificil.
En la Sesion 4 del Proyecto Fei-Fei, el alumnado aprende a guardar su CNN entrenada con model.save() y cargarla despues con keras.models.load_model(), comprobando que las predicciones son identicas antes y despues, para no tener que reentrenar en cada sesion.
En la Sesion 3 del Proyecto Fei-Fei, el alumnado calcula la matriz de confusion de su CNN sobre las 10 categorias de Fashion-MNIST y descubre que Camisa es la prenda mas dificil de reconocer, confundida con Camiseta, Jersey y Abrigo pese a que las clases estan perfectamente equilibradas.
En la Sesion 2 del Proyecto Fei-Fei, el alumnado construye y entrena su primera CNN multiclase (10 categorias de ropa) sobre Fashion-MNIST, e introduce softmax, sparse_categorical_crossentropy y Dropout
Arranca el Proyecto Fei-Fei, en honor a Fei-Fei Li, creadora de ImageNet: el alumnado conoce el dataset Fashion-MNIST (70.000 fotos de ropa de Zalando) y hace un primer vistazo a las imagenes con Keras, sin descargas ni carpetas que organizar.
En la Sesion 5 del Proyecto Asadi, el alumnado prueba su CNN entrenada sobre 10 imagenes reales que el modelo nunca vio durante el entrenamiento ni la validacion, comparando la prediccion imagen a imagen con el diagnostico real.
En la Sesion 4 del Proyecto Asadi, el alumnado usa el parametro class_weight de Keras para corregir el efecto del desequilibrio entre benignos y malignos detectado en la Sesion 3, y compara la matriz de confusion antes y despues.
En la Sesion 3 del Proyecto Asadi, el alumnado calcula la matriz de confusion de su CNN sobre benigno/maligno y descubre por que el fuerte desequilibrio entre clases (504 benignas frente a 2752 malignas) puede sesgar los resultados.
En la Sesion 2 del Proyecto Asadi, el alumnado construye y entrena su primera red neuronal convolucional con Keras para distinguir celulas sanas de blastos leucemicos en imagenes reales de microscopio.
Presentacion del Proyecto Asadi, dedicado a la investigadora Farkhondeh Asadi: de donde vienen las imagenes reales de frotis de sangre para diagnostico de leucemia infantil y como preparar TensorFlow y el dataset antes de construir la primera red neuronal convolucional.