Deep Learning with Python

Celem tej aplikacji jest wprowadzenie entuzjastów uczenia głębokiego w wizję komputerową, zaczynając od podstaw, a następnie przechodząc do bardziej nowoczesnych modeli uczenia głębokiego. Głębokie uczenie się aplikacji do wizji komputerowej obejmie zarówno rozpoznawanie obrazu, jak i wideo, w tym klasyfikację i adnotacje obrazu, rozpoznawanie obiektów i wyszukiwanie obrazów, różne techniki wykrywania obiektów, szacowanie ruchu, śledzenie obiektów w wideo, rozpoznawanie działań ludzkich, a wreszcie stylizację, edycję i nowa generacja obrazu. W ramach projektu studenci dowiedzą się, jak zbudować system rozpoznawania i manipulacji twarzą, aby zrozumieć wewnętrzną mechanikę tej technologii, prawdopodobnie najbardziej znanej i często pokazywanej w filmach i programach telewizyjnych jako przykład wizji komputerowej i sztucznej inteligencji.

Główny temat szczegółowy:

✔ Co to jest Deep Learning ?.

✔ Podstawy obrazu.

✔ Podstawy klasyfikacji obrazu.

✔ Zestawy danych do klasyfikacji obrazu.

✔ Konfiguracja środowiska programistycznego

✔ Utwórz First Image Classi fi er.

✔ Sparametryzowana nauka

✔ Metody optymalizacji i regularyzacja.

✔ Podstawy sieci neuronowych.

✔ Konwolucyjne sieci neuronowe.

✔ Szkolenie pierwszego CNN.

✔ Zapisywanie i ładowanie modeli

✔ LeNet: rozpoznawanie odręcznych cyfr.

✔ MiniVGGNet: Wejdź głębiej dzięki CNN

✔ Harmonogramy szybkości uczenia się.

✔ Dostrzeganie niedopasowania i przeładowania.

✔ Modele kontrolne.

✔ Wizualizacja architektur sieci.

✔ Koncepcje widzenia komputerowego i przykłady ćwiczeń

✔ Gotowe numery CNN do klasyfikacji.

✔ Podstawowe tematy programowania w Pythonie.

✔ Tematy nauki o danych Przykłady kodu w języku Python.

✔ Uczenie maszynowe z przykładami kodu.