800 00 UQROO (800 00 87766) (983) 835 0300

Diseñan programa de reconocimiento de mascotas con inteligencia artificial

- Docentes de UQRoo y de la Universidad Santo Tomás, de Colombia; instructores del taller “Deep Learning con Keras”

URL corta:
Diseñan programa de reconocimiento  de mascotas con inteligencia artificial
El taller forma parte de las acciones de vinculación que han emprendido la Universidad de Quintana Roo y la Universidad Santo Tomás (Bucaramanga, Colombia). Por parte de la UMSTA participan las Facultades de Ingeniería Mecatrónica e Ingeniería de Telecomunicaciones, por UQRoo la División de Ciencias, Ingeniería y Tecnología con Ingeniería en Redes y la Maestría en Mecatrónica. Habiendo un representante de cada uno de los programas.
2021-07-16
5110-disenan-programa-de-reconocimiento-de-mascotas-con-inteligencia-artificial-universidad-de-quintana-roo-uqroo-2021-1.jpg5110-disenan-programa-de-reconocimiento-de-mascotas-con-inteligencia-artificial-universidad-de-quintana-roo-uqroo-2021-2.jpg5110-disenan-programa-de-reconocimiento-de-mascotas-con-inteligencia-artificial-universidad-de-quintana-roo-uqroo-2021-3.jpg

Alumnos y egresados de ciencias informáticas de universidades mexicanas, argentinas y colombianas trabajaron en la elaboración de un programa con inteligencia artificial para el reconocimiento de mascotas a través de una aplicación, con el cual acreditaron su participación en el taller “Deep Learning con Keras” que se impartió vía remota del 6 al 9 de julio; ello marcó sus inicios en el aprendizaje profundo, en la comprensión y aplicación práctica de conceptos en una plataforma de código abierto.

El aprendizaje profundo, se considera dentro del aprendizaje automático, donde se da un aumento importante en el número de capas y complejidad de procesamiento.

Entre las arquitecturas de aprendizaje profundo se encuentran las redes neuronales profundas convolucionales, redes de creencia y redes profundas recurrentes; las redes profundas han sido aplicadas a campos como visión computacional, procesamiento de lenguaje natural, y generación de imágenes, mostrando resultados de vanguardia en dichas tareas.

El taller fue diseñado con diversas actividades interactivas de aprendizaje para que el participante inicie el desarrollo de aplicaciones de redes convolucionales usando Python, TensorFlow, Keras y Google Colab, como una opción para el desarrollo de soluciones con aprendizaje profundo (Deep Learning).

Por parte de la UQRoo, participaron el Mtro. Vladimir Cabañas Victoria Organización y el Mtro. Jaime Ortegón Aguilar, su contraparte, de la Universidad Santo Tomás (UMSTA), Diego R. Páez Ardila y Rodolfo Sánchez García.

De Colombia, participaron 23 alumnos provenientes de las Universidades Unicafam, de la Autónoma de Bucaramanga, Pamplona, Santo Tomás y Tecnológica de Bolívar; de Argentina, un estudiante de la Universidad de San Martín.

Por parte de México, participaron 35 alumnos de las Universidades de Quintana Roo, Guanajuato, Guadalajara, Autónoma de Yucatán y de los Institutos Tecnológicos de Sonora y de Mérida.

El taller forma parte de las acciones de vinculación que han emprendido la Universidad de Quintana Roo y la Universidad Santo Tomás (Bucaramanga, Colombia). Por parte de la UMSTA participan las Facultades de Ingeniería Mecatrónica e Ingeniería de Telecomunicaciones, por UQRoo la División de Ciencias, Ingeniería y Tecnología con Ingeniería en Redes y la Maestría en Mecatrónica. Habiendo un representante de cada uno de los programas.

El taller en el que se utilizaron las plataformas Microsoft Teams, para las sesiones síncronas, y Google Colab, como entorno de desarrollo, se abordaron con clases magistrales con ejemplos, para introducir a los estudiantes a los conceptos de deep learning e inteligencia artificial.

Específicamente, en el taller se desarrollaron ejercicios para que el estudiante pueda comprender la utilización de Python, Tensorflow y Keras; las redes neuronales convoluciones como redes profundas para la clasificación de imágenes en dos o más clases.

Se abordaron problemas como el sobre entrenamiento o la falta de imágenes suficientes para lograr una buena generalización y la forma de prevenirlos.

SALA DE PRENSA