Laurik
Джедай
- 2 Ноя 2013
- 1.960
- 48.239
Машинное обучение: нейросети и глубокое обучение на Phython
Автор: Центр digital-профессий ITtensive
Чему вы научитесь:
Распознавание формы облаков по фотографии
Оценка F1 и критерий сходства Дайса
Многослойный перцептрон
Сверточные нейронные сети
Функции активации, регуляризаторы и оптимизаторы
Нормализация, отсев и дополнение изображений
LeNet, AlexNet и GoogLeNet, Inception
VGG, ResNet и DenseNet
MobileNet, FPN, Unet, PSPNet
Ансамбли нейросетей
Требования:
Основы математической статистики
Основы машинного обучения
Продвинутый Python
Описание:
Мы разберем сегментацию и классификацию изображений облаков с помощью сверточных, пирамидальных, остаточных и полносвязных нейронных сетей в соревновании на Kaggle вплоть до формирования конечного результата.
В этом курсе:
Проведение исследовательского анализа данных для поиска зависимостей: EDA.
Метрики точности: оценка F1 и коэффициент Дайса.
Очистка данных и обработка изображений.
Загрузка и сохранение моделей и данных в HDF5.
Двухслойный и многослойный перцептрон.
Нейросети со сверточными слоями и слоями подвыборки.
Функции активации, инициализация и оптимизаторы нейросетей.
Преобразование и дополнение (аугментация) бинарных данных.
LeNet, AlexNet, GoogLeNet.
VGG, Inception, ResNet, DenseNet.
Сегментация изображений с MobileNet, Unet, PSPNet и FPN.
Ансамбль нейросетей.
Выгрузка результата для соревнования на Kaggle.
Для кого этот курс:
Аналитики Python, изучающие машинное обучение
Программисты больших данных
Исследователи больших данных
Скачать:
Автор: Центр digital-профессий ITtensive
Чему вы научитесь:
Распознавание формы облаков по фотографии
Оценка F1 и критерий сходства Дайса
Многослойный перцептрон
Сверточные нейронные сети
Функции активации, регуляризаторы и оптимизаторы
Нормализация, отсев и дополнение изображений
LeNet, AlexNet и GoogLeNet, Inception
VGG, ResNet и DenseNet
MobileNet, FPN, Unet, PSPNet
Ансамбли нейросетей
Требования:
Основы математической статистики
Основы машинного обучения
Продвинутый Python
Описание:
Мы разберем сегментацию и классификацию изображений облаков с помощью сверточных, пирамидальных, остаточных и полносвязных нейронных сетей в соревновании на Kaggle вплоть до формирования конечного результата.
В этом курсе:
Проведение исследовательского анализа данных для поиска зависимостей: EDA.
Метрики точности: оценка F1 и коэффициент Дайса.
Очистка данных и обработка изображений.
Загрузка и сохранение моделей и данных в HDF5.
Двухслойный и многослойный перцептрон.
Нейросети со сверточными слоями и слоями подвыборки.
Функции активации, инициализация и оптимизаторы нейросетей.
Преобразование и дополнение (аугментация) бинарных данных.
LeNet, AlexNet, GoogLeNet.
VGG, Inception, ResNet, DenseNet.
Сегментация изображений с MobileNet, Unet, PSPNet и FPN.
Ансамбль нейросетей.
Выгрузка результата для соревнования на Kaggle.
Для кого этот курс:
Аналитики Python, изучающие машинное обучение
Программисты больших данных
Исследователи больших данных
У вас нет прав на просмотр ссылок, пожалуйста: Вход или Регистрация
Скачать:
Для просмотра скрытого контента необходимо Войти или Зарегистрироваться.
Последнее редактирование модератором:
