개발 · 프로그래밍

/

프로그래밍 언어

프로젝트를 통해 배우는 파이썬 프로그램

이 강의에서는 초심자가 파이썬에 대한 기초지식을 배우고 재미있는 프로젝트를 따라가면서 실전응용 능력을 키웁니다. - 자판기 프로그램 - 미사일 궤도추적 프로그램 - 게임 프로그램 PyGame 소개 - 주변검색 Mashup 서비스

(4.6) 수강평 21개

수강생 3,818명

Thumbnail

강의 무료로 드려요! 'Model 정확도 99%이상 높이기' 외 세 가지

안녕하세요노마드 크리에이터 수강생 여러분!

여러분들의 수강에 도움을 드리고자 항상 노력하는 노마드 크리에이터입니다.

얼마 전에 [OpenCV] 파이썬 딥러닝 영상처리 프로젝트 2 - 불량사과를 찾아라!'과정을 출시하고 약속을 드렸었죠?

일단 한숨만 쉬고 수강생 분들이 관심있는 내용을 특별강의로 만들어서 업데이트하겠다고요.

그레서 무려  가지 특별강의 업데이트를 준비했습니다.

첫째모든 수강생들이 들으실  있는 '[명품강의를 찾아서]Tensorflow in Colab'입니다이번에 강의를 하면서 Custom YOLO  이상  PC에서 만들  없었어요그리고 많은 분들이 딥러닝하려면 GPU있는 좋은 장비 사야되냐고 문의하셨어요그래서 무료로 GPU TPU 사용할  있는 구글 Colab 사용하는 내용을 소개하는 강의입니다. Tensorflow유튜브 채널의 명품 영어강의를 제가 해설하고 보충설명하는 내용입니다강의 자료를 다운받던  지식포털 크리애플(www.creapple.com)에서 모든 분이 무료로 수강하실  있으니 한번 들어보세요. Colab덕에  이제 GPU  삽니다~~.

 

 번째는 'Model 정확도 99%이상 높이기'라는 특별강의입니다. 이 강의는 '[라즈베리파이] IoT 딥러닝 Computer Vision 실전 프로젝트'과정 수강생 분들이 MNIST 손글씨 모델이 아래 사진처럼 '7을 왜 7이라 하지 못하나요?'라는 질문에서 시작되었습니다. 물론 모델의 정확도 뿐 아니라 프로그램 예외처리, MNIST원시데이터 등 다양한 요인이 있지만 기존 Nueral Network 모델이 학습용으로 단순해서 이걸 99.38%까지 정확도를 높이기 위해  Nueral Network 모델을 다시 구성하는 내용을 만들어 봤어요.

 

'Model 정확도 99%이상 높이기'라는 특별강의는 제 강의 중 관련된 아래 강의들에 무료로 업데이트 해뒀습니다. 재미있고 유익한 내용 배우세요. 수강 다 하신 분들, 다 끝난게 아닙니다!

  • [라즈베리파이] IoT 딥러닝 Computer Vision 실전 프로젝트
  • [모바일딥러닝 Computer Vision 실전 프로젝트
  • [텐서플로2] 파이썬 딥러닝 완전정복 - GAN, BERT, RNN, CNN 최신기법
  • [텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트
  • 케라스인공지능의 공용어 완전정복

 

세 번째는 요즘 여러 분의 사랑을 받는 '[OpenCV] 파이썬 딥러닝 영상처리 프로젝트 - 손흥민을 찾아라!' '[OpenCV] 파이썬 딥러닝 영상처리 프로젝트 2 - 불량사과를 찾아라!'강의를 위한 내용입니다 시리즈를 만들고 모든 분이 1편과 2편을 같이 수강하지 않을 수도 있겠다라는 생각을 했어요그래서  편만 보시는 분들이 형제 강의를 사지 않아도 되게   결정을 했어요각자 하나씩의 단원(섹션) 특별강의로 서로에게 주기로 했어요.

  • 형님 '[OpenCV] 파이썬 딥러닝 영상처리 프로젝트 - 손흥민을 찾아라!' 강의는 얼굴인식(Face recognition) 강화하는 내용의 'Face Landmark Alignment' 단원을 받았어요.
  • 동생 '[OpenCV] 파이썬 딥러닝 영상처리 프로젝트 2 - 불량사과를 찾아라!' 강의는 형님에게 YOLO 이미지동영상 처리  기본을 배우는 'YOLO 이용한 사물 식별(Object Detection)'단원을 선물받았습니다.

그래서  강의를 들으시는 분은 덤으로  단원을  들으실  있습니다이미 수강하신 분들도 강의 들어가시면 특별강의가 포함되어 있습니다.

앞으로도  좋은 내용을 만들어서 공유하는 노마드 크리에이터가 되겠습니다.

감사합니다

댓글