Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Vélez Uribe, Juan PabloBurgos Murillo, Juan Andrés2025-12-032025-12-032025https://repositorio.uniremington.edu.co/handle/123456789/8857La implementación de modelos de Deep learning son una de las áreas más exploradas en esta era tecnológica. Dentro encontramos las redes neuronales convolucionales CNN, las cuales permiten a partir de imágenes crear modelos con alto potencial para ser aplicados en diferentes sectores. Por ende, el objetivo principal de este proyecto fue diseñar un modelo de una red neuronal convolucional para la clasificación de peces. Para la creación de este modelo se usó como base MoBileNetV2 y una arquitectura neuronal por capas de extracción de características y clasificación. Para el entrenamiento de la red, se usó una base de datos de 4219 imágenes distribuidas en 10 especies de peces capturados durante el año 2025. El modelo fue evaluado, obteniendo un 87% de precisión, logrando clasificar con alta precisión las especies.34 p.application/pdfspaDerechos Reservados - Corporación Universitaria Remington, 2026PecesRedes neuronales convolucionalesMobileNetV2Reconocimiento de patronesDeep learningTrabajo de grado - Especializacióninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Análisis de datosControl de pecesRedes de computadores