Deep Learning with Python

Цель этого приложения - познакомить энтузиастов глубокого обучения с компьютерным зрением, начиная с основ, а затем переходя к более современным моделям глубокого обучения. Глубокое обучение для приложения компьютерного зрения будет охватывать распознавание изображений и видео, включая классификацию и аннотацию изображений, распознавание объектов и поиск изображений, различные методы обнаружения объектов, оценку движения, отслеживание объектов в видео, распознавание действий человека и, наконец, стилизацию изображений, редактирование и новое поколение имиджа. В рамках курсового проекта студенты узнают, как создать систему распознавания лиц и манипуляции, чтобы понять внутреннюю механику этой технологии, которая, вероятно, является наиболее известной и часто демонстрируемой в фильмах и телешоу примером компьютерного зрения и искусственного интеллекта.

Основная конкретная тема:

✔ Что такое глубокое обучение ?.

✔ Основы изображения.

✔ Основы классификации изображений.

✔ Наборы данных для классификации изображений.

✔ Настройка среды разработки

✔ Создать первый классификатор изображений.

✔ Параметризованное обучение

✔ Методы оптимизации и регуляризация.

✔ Основы нейронной сети.

✔ Сверточные нейронные сети.

✔ Тренируйте свой первый CNN.

✔ Сохранение и загрузка ваших моделей

✔ LeNet: распознавание рукописных цифр.

✔ MiniVGGNet: углубляемся с CNN

✔ Планировщики скорости обучения.

✔ Обнаружение недостаточной и чрезмерной фиксации.

✔ Контрольные модели.

✔ Визуализация сетевых архитектур.

✔ Концепции компьютерного зрения и практические примеры

✔ Готовые к работе системы CNN для классификации.

✔ Основные темы программирования Python.

✔ Примеры кода Python Темы по науке о данных.

✔ Машинное обучение с примерами кода.