لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پیاده سازی تشخیص تصویر با یک شبکه عصبی کانولوشن
Implement Image Recognition with a Convolutional Neural Network
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تشخیص تصویر به طرق مختلف در زندگی روزمره ما استفاده می شود. این دوره به شما می آموزد که چگونه شبکه های عصبی کانولوشن را تنظیم و پیاده سازی کنید تا تشخیص و طبقه بندی تصویر را در یک مورد تجاری پیاده سازی کنید. تشخیص تصویر تأثیر گسترده و مهمی بر زندگی روزمره ما دارد. از باز کردن قفل تلفن ها با استفاده از تشخیص چهره گرفته تا تشخیص ناهنجاری در اشعه ایکس قفسه سینه، همه جا وجود دارد. در این دوره آموزشی، پیاده سازی تشخیص تصویر با یک شبکه عصبی کانولوشن، می آموزید که چگونه تشخیص و طبقه بندی تصویر را در مجموعه داده های خود پیاده سازی کنید. ابتدا با مشکل و مجموعه داده آشنا می شوید. سپس، نحوه کاوش و آماده سازی مجموعه داده را برای مرحله بعدی خواهید آموخت. در مرحله بعد، نحوه ساخت، آموزش و آزمایش یک شبکه عصبی روی مجموعه داده را خواهید دید. در نهایت، خواهید دید که چگونه تقویت تصویر و یادگیری انتقال کمک می کند تا معیارهای عملکرد درگیر در راه حل شما افزایش یابد. پس از اتمام این دوره، دانش لازم برای پیاده سازی تشخیص تصویر در هر مجموعه داده ای را که انتخاب می کنید، خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
کاوش و آماده سازی یک مجموعه داده برای تشخیص تصویر
Exploring and Preparing a Dataset for Image Recognition
معرفی دوره و ماژول
Course and Module Introduction
ما در حال تلاش برای حل چه چیزی هستیم؟
What Are We Trying to Solve?
نسخه ی نمایشی: تنظیم محیط شما
Demo: Setting up Your Environment
نسخه ی نمایشی: سازماندهی مجموعه داده
Demo: Organizing the Dataset
نسخه ی نمایشی: کاوش مجموعه داده ها
Demo: Exploring the Dataset
نسخه ی نمایشی: پیش پردازش و آماده سازی مجموعه داده
Demo: Preprocessing and Preparing the Dataset
خلاصه و بعدی
Summary and Up Next
آموزش یک شبکه عصبی کانولوشن برای طبقه بندی تصاویر
Training a Convolutional Neural Network to Classify Images
معرفی ماژول
Module Introduction
شبکه های عصبی کانولوشن چیست؟
What Are Convolutional Neural Networks?
سی ان ان: پیچیدگی ها
CNN: Convolutions
CNN: فعال سازی
CNN: Activation
CNN: ادغام
CNN: Pooling
CNN: طبقه بندی
CNN: Classification
نسخه ی نمایشی: ایجاد معماری CNN
Demo: Creating the CNN Architecture
نسخه ی نمایشی: آموزش مدل
Demo: Training the Model
نسخه ی نمایشی: معیارهای عملکرد – مدل شما چقدر خوب عمل کرد؟
Demo: Performance Metrics – How Well Did Your Model Do?
خلاصه و بعدی
Summary and Up Next
بهبود عملکرد شبکه عصبی کانولوشنال
Improving Performance of the Convolutional Neural Network
معرفی ماژول
Module Introduction
عملکرد بهتر - چه زمانی و چگونه؟
Better Performance – When and How?
تهیه داده های آموزشی اضافی - تقویت تصویر
Procuring Additional Training Data – Image Augmentation
تنظیم فراپارامتر
Hyperparameter Tuning
Overfitting و Underfitting
Overfitting and Underfitting
نسخه ی نمایشی: تقویت تصویر و تنظیم فراپارامتر
Demo: Image Augmentation and Hyperparameter Tuning
یادگیری انتقالی چیست؟
What Is Transfer Learning?
آموزش انتقالی – چه زمانی و چگونه؟
Transfer Learning – When and How?
نسخه ی نمایشی: بهبود عملکرد از طریق آموزش انتقال
Demo: Improving Performance through Transfer Learning
Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.
نمایش نظرات