En este ejercicio me ayudo trabajar con las mismas imágenes del dataset que tenían la banana y luego cargarlas como fondo e ir variando las tonalidades. Con los 3 ejers me ayudo a ver la importancia de la conformación del dataset y del trabajo que lleva elegirlo para que este alimente al modelo y se logré realizar las evaluaciones en forma correcta.

Ejercicio 3 - El experimento lo realice con manzanas, el modelo tenía las mismas clases que las propuestas en el ejercicio. Probé confundir el modelo de aprendizaje con un tomate y claramente lo clasificó como una manzana madura. Para evitar confusiones en ocasiones como estas, podríamos tener en el conjunto de entrenamiento una quinta clase denominada objetos similares donde los datos fueran objetos con forma de esfera y de colores parecidos a las manzanas del resto del conjunto, como por ejemplo tomates, pelotas, ciruelas, entre otros, de esta manera pienso que el modelo de Aprendizaje Automático podría ser más eficiente en sus predicciones.

    Probé con una banana en buen estado y funciono, luego pinte una de verde y funciono, la reconoció como Verde, el no hay banana también funciono, lo que no pude probar es una banana en mal estado porque no tenia e intente con la que tenia dentro de una media negra y no la tomo como madura si no como a Punto, también realice otra prueba con una banana, una naranja, una manzana y no hay fruta, funciono a la perfección aunque un tomate lo reconoció como manzana, pienso que entrenando los modelos como se muestra en los videos, lo que queremos discriminar funciona bien.