El documento describe el uso de aprendizaje profundo para clasificar imágenes de comida rápida. Explica el marco de trabajo utilizado, incluidas las tecnologías de redes neuronales convolucionales y Fast.AI. Describe el flujo de datos para entrenar el modelo, incluida la extracción, carga y transformación de imágenes, y el entrenamiento y ajuste del modelo CNN. El modelo resultante tuvo una tasa de error del 15%.

1. USANDO DEEP
LEARNING PARA
CLASIFICAR
COMIDA RÁPIDA

2. JORGE MENDOZA
RIVILLA
Máster en Inteligencia Artificial
Ingeniero en Sistemas
/in/AIJorgeMendoza
AIJorgeMendoza
/jorgemendoza08

4. ¿PROBLEMÁTICA?

6. ¡MANOS A LA
COMIDA OBRA!

7. MARCO DE
TRABAJO
TECNOLOGÍAS Y
HERRAMIENTAS
Google Colab
Fast.AI
Deep Learning
Redes Neuronales Convolucionales (CNN)

8. MDM Inc. | Social Media Strategy
FLUJO DE DATOS PARA ENTRENAR
TRANSFORMACIÓN
Eliminar imágenes corruptas
que no sirven para el modelo
EXTRACCIÓN
Descarga de datos (imágenes)
que nos ayudará a entrenar al
modelo
CARGA
De las imágenes para el set de
entrenamiento y validación

9. MDM Inc. | Social Media Strategy
MODELO
MEDIDA DE
ACTUACIONES
Verificar accuracy si es
confiable o lo podemos mejorar
ENTRENAMIENTO
Entrenar el modelo CNN
AJUSTANDO/OPTIMI
ZANDO MODELO
Mejorando el modelo con
nuevos rangos para los ciclos.

12. 85%
RESULTADO
Presentó un error_rate de de 15%

13. IMAGEN DE PRUEBA DE LA
SOLUCIÓN
RESULTADO

14. IMAGEN DE PRUEBA DE LA
SOLUCIÓN
RESULTADO

15. IMAGEN DE PRUEBA DE LA
SOLUCIÓN
RESULTADO

17. linkedin.com/in/aijorgemendoza/
medium.com/@jorgemendozarivilla
github.com/jorgemendoza08/dl_yes_hotdog
linkedin.com/school/saturdays-ai-guayaquil/
medium.com/saturdays-ai
github.com/ai-saturdays-guayaquil