Aprenda a usar redes neurais convolucionais em Python

O modelo de imagem geralmente precisa de métodos de aprendizado profundo que usam dados para treinar redes neurais. algoritmos de rede para fazer várias tarefas de machine learning. Neural convolucional As redes neurais convolucionais (CNNs) são redes neurais super poderosas que você vai usar para classificar diferentes tipos de objetos para a análise de imagens. Este curso de quatro horas Este curso vai te ensinar como construir, treinar e avaliar CNNs usando Keras.

Transformar imagens em dados e ensinar redes neurais a classificá-las é uma tarefa complexa. elemento desafiador do aprendizado profundo com várias aplicações em toda a área negócios e pesquisa, desde ajudar um site de comércio eletrônico a gerenciar o estoque de forma mais eficiente até ajudar uma empresa de tecnologia a otimizar seus facilitando aos pesquisadores de câncer a rápida identificação de melanomas perigosos.

Conheça as CNNs do Keras

O primeiro capítulo deste curso fala sobre como as imagens podem ser vistas como dados e como você pode usar o Keras pra treinar uma rede neural pra classificar objetos encontrados em imagens.

O segundo capítulo vai falar sobre convoluções, uma parte essencial das CNNs. Você vai aprenda como eles funcionam com dados de imagem e aprenda a treinar e ajustar seu Keras CNN usando dados de teste. Os capítulos seguintes entram em mais detalhes e ensinam você Como criar uma rede de aprendizado profundo.

Crie sua própria rede neural Keras

Você vai terminar o curso aprendendo as diferentes maneiras de acompanhar como Bem, a CNN está fazendo e como você pode melhorar o desempenho deles. Neste momento, você vai poder criar redes neurais Keras, otimizá-las e visualizá-las. suas respostas em várias aplicações.

Calcular o tamanho da saída da camada convolucional

Modelagem de imagens com Keras

Exercício interativo prático