Table of Contents
Primer modelo de clasificacion
Un primer modelo de Fast.ai
Me he puesto en campañia en seguir el curso de Fast.ai en Paris School of AI para poder aprender mas. Tambien debo remarcar y que adhiero a su espiritu de transmitir el conocimiento de forma gratuita. Por lo que aportare mi grano de arena realizando este curso en español para extender este “Savoir-faire”.
¿Qué es FastAi?
Es una biblioteca de código abierto para Aprendizaje Profundo basado en PyTorch. La intension de esta libreria es simplificar el entrenamiento de redes neuronales de forma rápidas y precisas utilizando las mejores prácticas modernas.
Clasificador de imagenes
Nuestro primer modelo de visión por ordenador con FastAi, crearemos una red que permita clasificar y ayudar a detectar enfermedades en cancer de piel. El cáncer de piel es un problema importante de salud pública. Por ejemplo el melanoma es la forma más mortal de cáncer de piel. En 2015, la incidencia mundial de melanoma se estimó en más de 350.000 casos, con casi 60.000 muertes. Lo importante es que cuando se detecta a tiempo, la supervivencia al melanoma supera el 95%.
La aplicación detectará 7 clases diferentes de posibles enfermedades.
Cada cuaderno comienza con las siguientes tres líneas; ellas aseguran que cualquier edición de las bibliotecas que usted haga se recargue aquí automáticamente, y también que cualquier gráfico o imagen que se muestre se muestre en este cuaderno.
Conjunto de datos
Las imágenes de lesión provienen del HAM10000 Dataset, y fueron adquiridas con una variedad de tipos de dermatoscopio, para la detección del cáncer de piel.
Los datos de entrada son imágenes dermatoscópicas de lesiones en formato JPEG y un archivo CVS con la clasificacion de cada foto segun 7 estados de la enfermedad.
- MEL: “melanoma”
- NV: “nevo melanocítico”
- CBC: “Carcinoma de células basales”
- AKIEC: “Queratosis actínica / Enfermedad de Bowen (carcinoma intraepitelial)”
- BKL: “Queratosis benigna (lentigo solar / queratosis seborreica / queratosis líqueno-plano)”
- DF: “dermatofibroma”
- VASC: “lesión vascular”
Inicio de nuestro primer notebook
Las indicaciones subsiguientes se basan en la utilisacion de un notebook de jupyter, que podran econtrar muchos sitios que explican como instalar e utilizar.
Yo recomiendo instalar la distribucion Anaconda
Para aprender, me gusto mucho este Curso online: Introducción a Python para científicos e ingenieros
Es conveniente empezar con estos commandos magicos.
autoreload : Permite cargar automáticamente los módulos antes de la ejecución.
autoreload 2 : Recarga todos los módulos (excepto los excluidos por %aimport).
matplotlib : Permite la visualizacion directa de los graphicos en el notebook.
Vamos a pasar a un notebook directament con el siguiente links: