Aprende a utilizar redes neuronales convolucionales en Python

El modelo de imagen a menudo requiere métodos de aprendizaje profundo que utilizan datos para entrenar redes neuronales. algoritmos de red para realizar diversas tareas de machine learning. Neural convolucional Las redes neuronales convolucionales (CNN) son redes neuronales especialmente potentes que utilizarás para clasificar diferentes tipos de objetos para el análisis de imágenes. Este curso de cuatro horas El curso te enseñará a construir, entrenar y evaluar CNN utilizando Keras.

Convertir imágenes en datos y enseñar a las redes neuronales a clasificarlas es una tarea que se está convirtiendo en una parte cada vez más importante de la ciencia, la elemento desafiante del aprendizaje profundo con amplias aplicaciones en todos los ámbitos negocios e investigación, desde ayudar a un sitio de comercio electrónico a gestionar el inventario de forma más facilitando a los investigadores del cáncer la detección rápida de melanomas peligrosos.

Descubre las CNN de Keras

El primer capítulo de este curso trata sobre cómo las imágenes pueden considerarse datos, y cómo puedes utilizar Keras para entrenar una red neuronal para clasificar objetos encontrados en imágenes.

El segundo capítulo tratará sobre las convoluciones, una parte fundamental de las CNN. Podrás aprende cómo funcionan con los datos de las imágenes y aprende a entrenar y ajustar tu Keras CNN utilizando datos de prueba. Los capítulos siguientes profundizan en el tema y te enseñan Cómo crear una red de aprendizaje profundo.

Crea tu propia red neuronal Keras

Terminarás el curso aprendiendo las diferentes formas en que puedes realizar un seguimiento de cómo cómo lo está haciendo CNN y cómo puedes mejorar su rendimiento. En este punto, Podrás crear redes neuronales Keras, optimizarlas y visualizarlas. sus respuestas en una amplia gama de aplicaciones.

Calcula el tamaño de la salida de la capa convolucional.

Modelado de imágenes con Keras

Ejercicio interactivo práctico