After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Lär dig använda konvolutionella neurala nätverk i Python
Bildmodellering kräver ofta djupinlärningsmetoder som använder data för att träna neurala nätverksalgoritmer för att utföra olika maskininlärningsuppgifter. Konvolutionellt neuralt nätverk nätverk (CNN:er) är särskilt kraftfulla neurala nätverk som du kommer att använda för att klassificera olika typer av objekt för bildanalys. Denna fyra timmar långa kursen kommer att lära dig hur du bygger, tränar och utvärderar CNN:er med Keras.Att omvandla bilder till data och lära neurala nätverk att klassificera dem är en utmanande del av deep learning med omfattande tillämpningar inom hela affärer och forskning, från att hjälpa en e-handelswebbplats att hantera lager mer lätt för att göra det möjligt för cancerforskare att snabbt upptäcka farligt melanom.
Upptäck Keras CNN:er
Det första kapitlet i den här kursen handlar om hur bilder kan ses som data, och hur du kan använda Keras för att träna ett neuralt nätverk för att klassificera objekt som finns i bilder.Det andra kapitlet kommer att behandla konvolutioner, en grundläggande del av CNN:er. Du kommer att lär dig hur de fungerar på bilddata och lär dig hur du tränar och justerar din Keras CNN med testdata. Senare kapitel går in mer i detalj och lär dig hur man skapar ett djupt neuralt nätverk.
Bygg ditt eget Keras-neurala nätverk
Du avslutar kursen med att lära dig de olika sätt som du kan följa hur väl, vad en CNN gör och hur du kan förbättra dess prestanda. Vid det här laget, du kommer att kunna bygga Keras-neurala nätverk, optimera dem och visualisera deras svar i en rad olika tillämpningar.Förkunskapskrav
Kursplan
Kursöversikt
1
Bildbehandling med neurala nätverk
Faltningsnätverk lär sig av den data som finns representerad i bilder. I det här kapitlet undersöker vi data i bilder och lär oss hur man använder Keras för att träna ett neuralt nätverk att klassificera objekt som förekommer i bilder.
- Introduktion till konvolutionella neurala nätverk50 XP
- Bilder som data: visualiseringar100 XP
- Bilder som data: att modifiera bilder100 XP
- Klassificering av bilder50 XP
- Använda one-hot-kodning för att representera bilder100 XP
- Utvärdera en klassificerare100 XP
- Klassificering med Keras50 XP
- Bygg ett neuralt nätverk100 XP
- Kompilera ett neuralt nätverk100 XP
- Anpassa en neural nätverksmodell till kläddata100 XP
- Korsvalidering för utvärdering av neurala nätverk100 XP
2
Att använda faltningar
Faltningar är de grundläggande byggstenarna i faltningsnätverk. I det här kapitlet introduceras du till faltningar och lär dig hur de fungerar på bilddata. Du får också se hur du integrerar faltningar i neurala nätverk med Keras.
3
Djupare nätverk
Faltningsnätverk blir mycket kraftfullare när de byggs upp med flera lager – så kallade djupa nätverk. I det här kapitlet lär du dig att stapla flera faltningslager till ett djupt nätverk. Du lär dig också att hålla koll på antalet parametrar när nätverket växer, och hur du kan styra detta antal.
4
Att förstå och förbättra djupa faltningsnätverk
Det finns många sätt att förbättra träningen av neurala nätverk. I det här kapitlet fokuserar vi på hur vi kan följa nätverkets prestanda och utforskar olika metoder för att förbättra faltningsnätverk.
Bildmodellering med Keras
Kurs
slutförd
