Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it
Aprende técnicas avanzadas de Computer Vision y procesamiento de imágenes y videos utilizando tecnologías modernas como Vision Transformers (ViT), Large Language Models (LLMs) y herramientas de MLOps. Domina la manipulación de imágenes incluyendo rotaciones, recortes, zoom, redimensionamiento y técnicas de esteganografía para ocultar información. Explora múltiples soluciones de OCR (Reconocimiento Óptico de Caracteres) trabajando con Tesseract, RapidOCR, Azure AI Computer Vision, Google Vision, AWS Textract y OCR Space para extraer texto de diferentes formatos de archivos. Desarrolla habilidades en fine-tuning de modelos ViT para clasificación de imágenes utilizando datasets médicos como imágenes de retina y EyePacs, implementando tanto modelos de calidad como de detección. Implementa flujos completos de MLOps utilizando MLflow para registro de modelos, conversión a formato ONNX para optimización de inferencia, y despliegue en Azure ML Managed Endpoints y Azure Kubernetes Service (AKS). Practica inferencia en CPU utilizando modelos cuantizados de 4 bits y aprende a trabajar con modelos de Microsoft como Phi3 Vision 128k Instruct y Florence Large. Desarrolla aplicaciones en C# para inferencia de modelos ONNX y OCR, y crea pipelines completos desde la creación de datasets personalizados hasta el despliegue en contenedores Docker para producción.
