user@devops:~$ cat README.md
Transfer Learning
# Descripción
Proyecto completo de transfer learning para clasificación de imágenes con datasets personalizados. Utiliza modelos pre-entrenados en ImageNet (VGG16, ResNet50, MobileNetV2, EfficientNetB0) y los adapta a un nuevo problema de clasificación mediante dos enfoques: (1) Feature Extraction: congela el backbone pre-entrenado y entrena solo las nuevas cabezas clasificadoras, (2) Fine-Tuning: descongela parte del backbone y ajusta toda la red con learning rate reducido. Compara precisión, velocidad de entrenamiento y tamaño de modelo entre las distintas arquitecturas. Implementa aumento de datos específico para transfer learning y analiza la curva de aprendizaje durante fine-tuning.
# Características principales
$ Modelos pre-entrenados: VGG16, ResNet50, MobileNetV2, EfficientNetB0
$ Feature extraction: backbone congelado + nuevas cabezas densas
$ Fine-tuning: descongelado selectivo con learning rate reducido
$ Comparativa de precisión, velocidad y tamaño entre arquitecturas
$ Aumento de datos específico para transfer learning
$ Análisis de curvas de aprendizaje y congelado por capas
# Galería
# Tecnologías utilizadas
