Desarrolla con Ultralytics Platform
Ejecuta un proyecto real de detección en Ultralytics Platform: define el presupuesto, incorpora y etiqueta los datos, comprueba que las particiones no tengan filtraciones, entrena y compara ejecuciones, despliega un endpoint dedicado, supervisa la precisión y automatiza el ciclo de reentrenamiento.
Por Ultralytics Academy
Lanza un proyecto de visión de principio a fin en Ultralytics Platform y termina con los scripts y el manual operativo necesarios para mantenerlo en buen estado: una comprobación previa a la carga, un análisis de umbrales de etiquetado, una auditoría de filtraciones, un criterio de promoción, un cliente de endpoint resiliente y comprobaciones programadas de estado y del conjunto de reserva.
Asigna las etapas de tu proyecto a Platform y define el presupuesto antes de gastar créditos: entrenamiento, anotación y tiempo de actividad del endpoint.
Carga los datos para que el conjunto de datos pase a estar listo a la primera, incluido el muestreo deliberado de vídeos.
Elige un modelo de etiquetado y un umbral de confianza midiendo el trabajo de revisión; después, verifica la anotación por lotes con una tasa de edición.
Demuestra que una versión del conjunto de datos no tiene duplicados entre particiones ni filtraciones de cámaras, y que contiene suficientes ejemplos de cada clase.
Inicia ejecuciones en la nube con un presupuesto definido, evalúalas a partir de sus curvas y ajusta el entrenamiento sin que el optimizador ignore silenciosamente tu tasa de aprendizaje.
Decide si una nueva ejecución supera la referencia mediante criterios definidos de antemano, despliégala y haz llamadas con un cliente que resista los arranques en frío.
Configura alertas para el estado del endpoint y la precisión del conjunto de reserva, gestiona las regiones y los datos personales, y automatiza el reentrenamiento y la publicación.
Un plan de proyecto con un mapa del ciclo de vida y un presupuesto mensual.
Un conjunto de datos listo con vídeo muestreado, etiquetas revisadas, particiones auditadas y una versión numerada.
Un modelo entrenado que ha superado un criterio de promoción automatizado frente a su referencia.
Un endpoint dedicado con un cliente que reintenta las llamadas, una comprobación de estado programada y un historial de precisión del conjunto de reserva.
Un manual operativo de reentrenamiento con el desencadenante, los pasos, la persona responsable, el procedimiento de reversión y una etapa automatizada de publicación.
Una cuenta de Ultralytics Platform. El plan Free y el crédito de registro cubren el curso; el almacenamiento en la nube conectado requiere Pro.
Python 3.11 o posterior, con
ultralytics>=8.4.120yultralytics-platformpara ejecutar los ejemplos; el SDKultralytics-platform, utilizado en las lecciones de API, es el que requiere 3.11 (Ultralytics funciona con 3.10 o posterior).Familiaridad con Ultralytics YOLO; se recomienda: Fundamentos de visión artificial, Creación de conjuntos de datos YOLO de alto rendimiento y Entrena tu primer modelo YOLO.
Un conjunto de datos pequeño de imágenes (50–500 imágenes) y un vídeo breve de tu propio ámbito, o los conjuntos de datos públicos que utilizan los ejemplos.
Contenido del curso
4 módulos · 10 leccionesMódulo 1
Módulo 2
Añade y prepara los datos
Comprueba localmente un conjunto de datos antes de subirlo, selecciona los fotogramas de vídeo de forma deliberada y consigue que un conjunto de datos de Platform llegue al estado Ready al primer intento.
Anotación inteligente y etiquetado por lotes
Elige un modelo de etiquetado y un umbral de confianza midiendo el trabajo de revisión; después, ejecuta la anotación por lotes y comprueba el resultado con la tasa de edición.
Depurar, eliminar duplicados y dividir
Detecta duplicados entre particiones y carencias de clases con dos scripts breves, divide el conjunto según la unidad que importa y fija una versión auditada.
Módulo 3
Entrenar, interpretar y ajustar ejecuciones
Inicia una ejecución en la nube con un presupuesto definido, evalúala a partir de las curvas por época y realiza un ajuste fino sin que el optimizador predeterminado ignore tu tasa de aprendizaje.
Compara ejecuciones y elige una ganadora
Compara ejecuciones en un proyecto de Platform, registra el motivo de cada ejecución y decide si publicar un candidato mediante un criterio de promoción automatizado.
Módulo 4
Implementa y llama a un endpoint
Crea un endpoint dedicado en una de las 42 regiones, dimensiona su capacidad según el tráfico y llámalo con un cliente que gestione los arranques en frío, los errores 429 y las claves incorrectas.
Supervisar el estado y la precisión
Consulta las métricas del endpoint y las estadísticas de predicción de Platform, configura alertas mediante una comprobación de estado programada y detecta desviaciones en la precisión con un trabajo de evaluación sobre un conjunto de prueba.
Privacidad, regiones y cumplimiento
Elige las regiones de datos y despliegue según tus contratos, mantén los datos privados, anonimiza las imágenes antes de subirlas y responde a una lista de comprobación de cumplimiento previa al lanzamiento.
Automatiza el ciclo de reentrenamiento
Convierte un despliegue en un ciclo repetible: un procedimiento operativo, una puerta de promoción con secuencia de comandos, un lanzamiento automatizado con reversión y una revisión semanal.