Sau khi hoàn thành các khóa học này, tôi cảm thấy tự tin khi tạo các trực quan hóa và bảng điều khiển chuyên nghiệp
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Xử lý ảnh với mạng nơ-ron
Convolutional neural networks học từ dữ liệu được biểu diễn trong ảnh. Trong chương này, chúng ta sẽ khảo sát dữ liệu trong ảnh và học cách dùng Keras để huấn luyện một mạng nơ-ron phân loại các đối tượng xuất hiện trong ảnh.
- Giới thiệu về mạng nơ-ron tích chập (convolutional neural networks)50 XP
- Hình ảnh như dữ liệu: trực quan hóa100 XP
- Ảnh là dữ liệu: thay đổi ảnh100 XP
- Phân loại ảnh50 XP
- Dùng one-hot encoding để biểu diễn ảnh100 XP
- Đánh giá một bộ phân loại100 XP
- Phân loại với Keras50 XP
- Xây dựng một mạng nơ-ron100 XP
- Biên dịch một mạng nơ-ron100 XP
- Huấn luyện mô hình mạng nơ-ron trên dữ liệu quần áo100 XP
- Cross-validation để đánh giá mạng nơ-ron100 XP
2
Sử dụng phép tích chập
Phép tích chập là khối xây dựng cơ bản của convolutional neural networks. Trong chương này, bạn sẽ được giới thiệu về phép tích chập và cách nó hoạt động trên dữ liệu ảnh. Bạn cũng sẽ thấy cách đưa các phép tích chập vào mạng nơ-ron Keras.
3
Đi sâu hơn
Convolutional neural networks trở nên mạnh mẽ hơn nhiều khi được xây dựng với nhiều tầng (mạng sâu). Trong chương này, bạn sẽ học cách xếp chồng nhiều tầng tích chập thành một mạng sâu. Bạn cũng sẽ học cách theo dõi số lượng tham số khi mạng phát triển và cách kiểm soát con số này.
4
Hiểu và cải thiện mạng tích chập sâu
Có nhiều cách để cải thiện quá trình huấn luyện bằng mạng nơ-ron. Trong chương này, chúng ta sẽ tập trung vào khả năng theo dõi hiệu suất của mạng và khám phá các cách tiếp cận để cải thiện convolutional neural networks.
Mô hình hóa ảnh với Keras
Hoàn
thành khóa học
