- Регистрация
- 22 Февраль 2018
- Сообщения
- 11.084
Автор: Udemy
Название: Машинное обучение: нейросети и глубокое обучение на Python (2020)
Описание:
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 соревнованияhttps://s13.eground.org/на Kaggle.
Для кого этот курс:
Аналитики Python, изучающие машинное обучение
Программисты больших данных
Исследователи больших данных
Подробнее:
Скачать:
Название: Машинное обучение: нейросети и глубокое обучение на Python (2020)
Описание:
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 соревнованияhttps://s13.eground.org/на Kaggle.
Для кого этот курс:
Аналитики Python, изучающие машинное обучение
Программисты больших данных
Исследователи больших данных
Подробнее:
Для просмотра содержимого вам необходимо авторизоваться.
Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.
Скрытый контент для пользователей All-dar.