Kurs
Modelowanie obrazów z Keras
ZaawansowanyPoziom umiejętności
Zaktualizowano 01.2026
PythonArtificial Intelligence4 godz.13 filmów45 Ćwiczeń3,650 XP39,794Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Naucz się korzystać z konwolucyjnych sieci neuronowych w Pythonie
Model obrazowy często wymaga metod deep learning, które wykorzystują dane do trenowania sieci neuronowych algorytmy sieciowe do wykonywania różnych zadań uczenia maszynowego. Sieci neuronowe konwolucyjne sieci neuronowe konwolucyjne (CNN) są szczególnie potężnymi sieciami neuronowymi, których użyjesz do klasyfikować różne typy obiektów do analizy obrazów. Ten czterogodzinny kurs nauczy Cię, jak konstruować, trenować i oceniać CNN-y za pomocą Keras.Przekształcanie obrazów w dane i uczenie sieci neuronowych ich klasyfikowania to jest wymagający element deep learning z szerokimi zastosowaniami w całym zakresie biznesu i badań, od pomagania witrynie eCommerce w lepszym zarządzaniu zapasami umożliwiając badaczom nowotworów szybkie wykrywanie niebezpiecznego czerniaka.
Odkryj sieci CNN w Keras
Pierwszy rozdział tego kursu pokazuje, jak obrazy można postrzegać jako dane, oraz jak możesz użyć Keras do trenowania sieci neuronowej do klasyfikowania obiektów znalezionych w obrazy.Drugi rozdział obejmie sploty, fundamentalną część CNN. Będziesz dowiedz się, jak działają na danych obrazowych, i naucz się trenować oraz dostrajać swój Keras CNN z wykorzystaniem danych testowych. Późniejsze rozdziały omawiają to bardziej szczegółowo i uczą Cię jak stworzyć sieć głębokiego uczenia.
Zbuduj własną sieć neuronową Keras
Zakończysz kurs, poznając różne sposoby śledzenia, jak jak działa CNN i jak możesz poprawić jego wydajność. W tym momencie, będziesz w stanie tworzyć sieci neuronowe Keras, optymalizować je i wizualizować ich odpowiedzi w różnych zastosowaniach.Wymagania wstępne
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.
Modelowanie obrazów z Keras
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Modelowanie obrazów z Keras już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.