Taller de AMD: Ultralytics YOLO Vision 2026

Taller 1: Ultralytics YOLO en AMD Radeon: Ajustar, Desplegar, Acelerar | Hora: 2PM - 3PM Construya un flujo de trabajo de visión por computadora de extremo a extremo con Ultralytics YOLO en una sola GPU AMD Radeon. Los participantes prepararán un conjunto de datos OBB multiclasificable compacto, transferirán un modelo de detección preentrenado a una tarea OBB, completarán una ejecución de ajuste de 3 a 5 minutos, validarán los resultados y desplegarán el modelo entrenado a través de un pipeline de inferencia MIGraphX acelerado. El taller se centra en flujos de trabajo de entrenamiento y despliegue prácticos y reproducibles. Ponente: Li Zheng, Ingeniería de Aplicaciones de Productos, AMD Audiencia: Desarrolladores de IA, ingenieros de visión por computadora, estudiantes y entusiastas técnicos con conocimientos básicos de Python. No se requiere experiencia previa con Ultralytics, ROCm, OBB o MIGraphX. Requisitos Técnicos / Preparación: Una computadora con un navegador web. Taller 2: Ultralytics YOLO26 en AMD Radeon: De un Punto de Control de Ultralytics a un Pipeline de IA en Vídeo de Extremo a Extremo | Hora: 3PM - 4PM Lleve un punto de control de Ultralytics YOLO26x más allá de predict() y hacia un pipeline de vídeo de estilo producción en AMD Radeon. Este taller explica cómo se exporta YOLO26x a ONNX, se compila con AMD MIGraphX para inferencia FP16 y se conecta a la decodificación de vídeo de hardware, al pre procesamiento OpenCV HIP, a NMS en GPU y a la codificación de hardware. Los asistentes ejecutarán entonces el pipeline completo en Radeon Cloud y explorarán cómo Qwen3-VL extiende la detección en tiempo real con comprensión de escena. Ponente: Zihao Mu, Miembro del Personal Técnico, Ingeniería de Aplicaciones de Productos, AMD Audiencia: Usuarios de Ultralytics que entrenan, ajustan, exportan o despliegan modelos YOLO e ingenieros de visión por computadora que pasan de la inferencia en notebooks a pipelines de vídeo continuos Nivel de experiencia recomendado: Intermedio. Los asistentes deben sentirse cómodos con Python, inferencia básica de YOLO y notebooks de Jupyter. Requisitos Técnicos / Preparación: Los asistentes solo necesitan traer una computadora portátil capaz de ejecutar un navegador web moderno. Todos los experimentos se realizarán en un entorno de Radeon Cloud preconfigurado proporcionado para el taller.