Cours
Modélisation d'images avec Keras
AvancéNiveau de compétence
Actualisé 01/2026PythonArtificial Intelligence4 h13 vidéos45 Exercices3,650 XP39,231Certificat de réussite.
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.Apprécié par des utilisateurs provenant de milliers d'entreprises
Former 2 personnes ou plus ?
Essayez DataCamp for BusinessDescription du cours
Apprenez à utiliser les réseaux neuronaux convolutifs en Python
Le modèle d'image nécessite souvent des méthodes d'apprentissage profond qui utilisent des données pour entraîner des réseaux neuronaux. algorithmes de réseau pour effectuer diverses tâches d'apprentissage automatique. Réseau neuronal convolutif Les réseaux neuronaux convolutifs (CNN) sont des réseaux neuronaux particulièrement puissants que vous utiliserez pour classer différents types d'objets pour l'analyse d'images. Ce cours de quatre heures Ce cours vous apprendra à construire, entraîner et évaluer des CNN à l'aide de Keras.Transformer des images en données et enseigner aux réseaux neuronaux à les classer est un processus complexe. Élément complexe de l'apprentissage profond avec de nombreuses applications dans tous les domaines. activités commerciales et de recherche, en aidant un site de commerce électronique à gérer ses stocks de manière plus faciliter le travail des chercheurs en cancérologie afin qu'ils puissent détecter rapidement les mélanomes dangereux.
Découvrez les CNN Keras
Le premier chapitre de ce cours explique comment les images peuvent être considérées comme des données, et comment utiliser Keras pour entraîner un réseau neuronal à classer des objets trouvés dans images.Le deuxième chapitre abordera les convolutions, un élément fondamental des CNN. Vous Découvrez comment ils fonctionnent sur les données d'image et apprenez à former et à ajuster votre Keras CNN utilisant des données de test. Les chapitres suivants fournissent davantage de détails et vous enseignent Comment créer un réseau d'apprentissage profond.
Construisez votre propre réseau neuronal Keras
Vous terminerez le cours en découvrant les différentes façons de suivre vos progrès. Comment CNN se comporte et comment vous pouvez améliorer ses performances. À ce stade, vous serez en mesure de créer des réseaux neuronaux Keras, de les optimiser et de les visualiser. leurs réponses dans une gamme d'applications.Prérequis
Introduction to Deep Learning with Keras1
Image Processing With Neural Networks
Convolutional neural networks use the data that is represented in images to learn. In this chapter, we will probe data in images, and we will learn how to use Keras to train a neural network to classify objects that appear in images.
2
Using Convolutions
Convolutions are the fundamental building blocks of convolutional neural networks. In this chapter, you will be introducted to convolutions and learn how they operate on image data. You will also see how you incorporate convolutions into Keras neural networks.
3
Going Deeper
Convolutional neural networks gain a lot of power when they are constructed with multiple layers (deep networks). In this chapter, you will learn how to stack multiple convolutional layers into a deep network. You will also learn how to keep track of the number of parameters, as the network grows, and how to control this number.
4
Understanding and Improving Deep Convolutional Networks
There are many ways to improve training by neural networks. In this chapter, we will focus on our ability to track how well a network is doing, and explore approaches towards improving convolutional neural networks.
Modélisation d'images avec Keras
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performance
Inclus avecPremium or Teams
S'inscrire MaintenantRejoignez plus de 19 millions d'utilisateurs et commencez Modélisation d'images avec Keras dès aujourd'hui !
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.