BEST

AI Development

Computer Vision

車両ナンバープレート認識プロジェクトとTensorFlowで学ぶディープラーニング映像認識オールインワン

Name: 車両ナンバープレート認識プロジェクトとTensorFlowで学ぶディープラーニング映像認識オールインワン
Price: 141900 KRW

車両ナンバープレート認識実戦プロジェクトを通じてディープラーニング/TensorFlow/コンピュータビジョン基礎から実務応用まで全過程を一度に学習できるオールインワン型の講義です。さまざまな練習により、カスタムデータセットに最新のディープラーニングモデルを適用するための実践的なスキルを身に付けることができます。

（4.7）受講レビュー 70件

受講生 665名

aischool

Tensorflow

Deep Learning(DL)

Machine Learning(ML)

CNN

NLP

学習した受講者のレビュー

こんなことが学べます

MNIST、CIFAR-10などの基本的な例ではなく、ディープラーニング実務プロジェクトを進める方法
カスタムデータセットに最新のディープラーニングモデルを適用する方法
ディープラーニング/マシンラーニング基礎概念から実務応用まで段階的に学習
最新の論文で提案されたディープラーニングモデル構造の深い理解（EfficientNet、CenterNet、EAST、...）
Object Detection、Text Detection、OCR、Image Captioning、Generative Modelなど、さまざまなコンピュータビジョン問題領域に使用される最新のディープラーニングモデルの原理と使い方
ディープラーニングモデルのパフォーマンスを向上させる方法

様々な実践プロジェクトと最新論文学習を通じて
ディープラーニング/コンピュータビジョンの専門家として生まれ変わりましょう。 😀

受講前にご確認ください！

この講義は既存、講義といくつかのクラスが重なります。受講前のカリキュラムをご確認ください。

該当するカリキュラムのリスト

セクション1

Object Detection 問題領域の紹介
Object Detection Metric - IoU、mAP
Object Detection Datasets – Pascal VOC, MS COCO, KITTI, Open Images

セクション3

TensorFlow Object Detection APIの紹介

セクション4

R-CNN(Regions with CNN)
Fast R-CNN
Faster R-CNN
Non-Maximum Suppression (NMS)
SSD (Single Shot MultiBox Detector)
RetinaNet
CenterNet

セクション5

Pre-Trained Modelを使用したObject Detection

< TensorFlow 2.0で学ぶディープラーニング入門>セクション1

人工知能、機械学習、ディープラーニング＆マップ学習、非マップ学習、強化学習
ディープラーニング、テンサフローアプリケーション
簡単に調べるディープラーニングの歴史

< TensorFlow 2.0で学ぶディープラーニング入門>セクション3

機械学習の基本プロセス - 仮説定義、損失関数定義、最適化定義
TensorFlow 2.0を使用した線形回帰アルゴリズムの実装
Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
Training Data, Validation Data, Test Data & オーバーフィッティング
ソフトマックス回帰(Softmax Regression) & クロスエントロピー(Cross-Entropy Loss Function) & One-hot Encoding & MNIST
TensorFlow 2.0 ケラス・サブクラス化
TensorFlow 2.0とSoftmax Regressionを使用したMNIST数値分類器の実装

< TensorFlow 2.0で学ぶディープラーニング入門>セクション4

多層パーセプトロンMLP
TensorFlow 2.0とANNを使用したMNIST数値分類器の実装

< TensorFlow 2.0で学ぶディープラーニング入門>セクション5

オートエンコーダ（AutoEncoder）の概念
TensorFlow 2.0とオートエンコーダを使用したMNISTデータの再構築

< TensorFlow 2.0で学ぶディープラーニング入門>セクション6

コンピュータビジョン問題の難しさとCNNベースのコンピュータビジョン時代の到来
コンボリューションニューラルネットワークの核心概念 - コンボリューション、プール
TensorFlow 2.0を使用したMNIST数値分類のためのCNNの実装
ドロップアウト(Dropout)
TensorFlow 2.0を使用したCIFAR-10画像分類のためのCNN実装

< TensorFlow 2.0で学ぶディープラーニング入門>セクション7

循環ニューラルネットワーク（RNN）
傾斜も消える問題（Vanishing Gradient Problem）＆LSTM＆GRU
埋め込みの概念 & Char-RNN
TensorFlow 2.0を使用したChar-RNNの実装

< TensorFlow 2.0で学ぶディープラーニング入門>セクション8

tf.train.CheckpointManager APIを使用してパラメータを保存して読み込む
テンソルボード（TensorBoard）を使って学習過程を視覚化する（Visualization）

< TensorFlow 2.0で学ぶディープラーニング入門>セクション9

さまざまなコンピュータビジョン問題領域の紹介
さまざまな自然言語処理（NLP）問題領域の紹介

Naver（CRAFT）とKakao（EAST）で実際に使用している最新のディープラーニングモデルの使い方を学びましょう。

ディープラーニングコンピュータビジョン（Computer Vision）の専門家になるためのオールインワン講義！

ディープラーニングコンピュータビジョンの専門家になるために学習する必要があるすべての要素を1つの講義にまとめました。
最新のディープラーニングモデルを理解するための必須理論知識：機械学習とディープラーニングの基礎（ANN、CNN）から始めて、最新のディープラーニングモデルの原理（EfficientNet、CenterNet）まで、段階的に必要な必須理論と知識を学習します。
Python / TensorFlow 2.0を使用したコード実装能力：PythonとTensorFlow 2.0を使用して、実際のプロジェクト進行のための実装能力を段階的に学習します。
カスタムデータセットを適用するためのさまざまな実践プロジェクト：MNISTのような基本的な例ではなく、さまざまなカスタムデータセットに最新のディープラーニングモデルを適用するためのさまざまな実践プロジェクトを進めます。

こんな方に
おすすめです

学習対象は
誰でしょう？

ディープラーニング/コンピュータビジョンを真剣に勉強したい人
ディープラーニング/コンピュータビジョンを利用した実務プロジェクトを進行したい方

前提知識、
必要でしょうか？

基本的なPythonの知識

こんにちは
です。

8,846

受講生

641

受講レビュー

350

回答

4.6

講座評価

講座

AISchool ( http://aischool.ai/ )
AISchool 유튜브 채널 운영 ( https://www.youtube.com/@aischool_ai )
서울대학교 인공지능 및 컴퓨터 비전 연구실 석사
[솔라리스의 인공지능 연구실] 블로그 운영
[텐서플로로 배우는 딥러닝] 집필
S전자 컴퓨터 비전 관련 프로젝트 수행
기업대상 [AI 컨설팅 서비스] 제공
에이아이스쿨 [TensorFlow와 실습 프로젝트로 배우는 딥러닝-컴퓨터비전 Basic 코스] 강의 진행

カリキュラム

全体

126件 ∙ (20時間 51分)

講座資料（こうぎしりょう）:

授業資料

セクション 1．講座紹介

3件 ∙ (11分)

1. 講座紹介
11:50
2. 講義スライドダウンロード
3. 実習 Colabリンクの確認方法

セクション 2．1章 - 機械学習/ディープラーニング/TensorFlow/コンピュータービジョンの基礎 - ディープラーニングの基本概念を学習し、基本モデルをTensorFlowで実装してみよう

21件 ∙ (3時間 41分)

4. 人工知能, 機械学習, ディープラーニング
02:02
5. 機械学習(Machine Learning)の定義
03:01
6. 教師あり学習(Supervised Learning), 教師なし学習(Unsupervised Learning), 強化学習(Reinforcement Learning)
07:26
7. 深層学習(Deep Learning)
06:01
8. ディープラーニング、テンソルフロー応用分野
15:18
9. ディープラーニングの歴史を概観する
11:28
10. 機械学習の基本プロセス - 仮説定義、損失関数定義、最適化定義
19:25
11. バッチ勾配降下法, 確率的勾配降下法, ミニバッチ勾配降下法
05:10
12. トレーニングデータ、バリデーションデータ、テストデータ & オーバーフィッティング(Overfitting)
06:29
13. ソフトマックス回帰(Softmax Regression) & クロスエントロピー誤差関数(Cross-Entropy Loss Function) & One-hot Encoding & MNIST
07:38
14. 様々なコンピュータビジョン問題領域紹介
15:06
15. TensorFlow 2.0 のご紹介
12:24
16. Python インストール
03:11
17. pipを使ったTensorFlowのインストール
01:29
18. TensorFlow 2.0 を利用した線形回帰 (Linear Regression) アルゴリズム実装
18:53
19. TensorFlow 2.0 ケラス・サブクラス化 (Keras Subclassing)
04:50
20. TensorFlow 2.0とSoftmax Regressionを用いたMNIST数字分類器の実装
28:33
21. 多層パーセプトロン MLP
14:58
22. TensorFlow 2.0とANNを用いたMNIST数字分類器の実装
15:24
23. オートエンコーダー(AutoEncoder)の概念
08:35
24. TensorFlow 2.0とオートエンコーダーを利用したMNISTデータ再構築
14:06

セクション 3．第2講 - CNNを利用した画像特徴抽出方法の学習 - CNNの概念と標準CNNモデルを見てみよう

9件 ∙ (1時間 51分)

25. コンピュータビジョン問題の困難性とCNNベースコンピュータビジョン時代の到来
08:48
26. CNNのコアコンセプト - 畳み込み(Convolution), プーリング(Pooling)
16:56
27. TensorFlow 2.0を利用した MNIST 数字分類のための CNN 実装
12:37
28. ドロップアウト(Dropout)
05:06
29. TensorFlow 2.0 での CIFAR-10 画像分類 CNN 実装
16:17
30. ILSVRC 大会と標準CNNモデル
10:37
31. AlexNet
17:08
32. VGGNet
07:18
33. GoogLeNet(Inception V1)
16:34

セクション 4．第3講 - Pre-Trained CNN - 事前学習済みCNNを利用する方法を見てみよう

9件 ∙ (1時間 49分)

セクション 5．第4章 - RNNを用いた時系列特徴抽出方法の学習 - 画像データを超えて時系列データを扱ってみよう

8件 ∙ (1時間 19分)

セクション 6．ディープラーニング論文実装プロジェクトのファイル構造

1件 ∙ (2分)

セクション 7．第5講 - テキスト検出 - 画像内のテキストの位置を探してみよう & 画像内の車のナンバープレートを探す実践プロジェクトを進めてみよう

8件 ∙ (1時間 21分)

セクション 8．長時間のTrainingが必要なColab実習実施時の注意事項

1件 ∙ (12分)

セクション 9．実践プロジェクトを進めるためのPython基礎知識習得

3件 ∙ (8分)

セクション 10．第6講 - Optical Character Recognition(OCR) [Text Recognition] - 画像内の文字を認識し、車両ナンバー認識実践プロジェクトを行ってみよう

7件 ∙ (1時間 11分)

セクション 11．第7講 - License Plate Recognition - ナンバープレート認識実践プロジェクトを進め、ディープラーニングモデルの性能改善方法を見てみよう

4件 ∙ (43分)

セクション 12．8講 - Object Detection - Object Detection の概念を固めて、最新のディープラーニングObject Detectionモデルの原理を見てみよう

11件 ∙ (2時間 26分)

セクション 13．第9講 - Object Detection 実践プロジェクト - Custom Datasetで最新のディープラーニングモデルを用いたObject Detectionを行ってみよう

19件 ∙ (2時間 57分)

セクション 14．画像キャプショニング - 画像の説明文をAIで自動生成してみよう

8件 ∙ (42分)

セクション 15．Generative Adversarial Networks(GAN) - AIを使ってFake Dataを生成してみよう

4件 ∙ (40分)

セクション 16．Neural Style Transfer - 写真に絵画イメージを重ねてみよう

4件 ∙ (45分)

セクション 17．Semantic Image Segmentation - 画像をピクセル単位で分類してみよう

1件 ∙ (2分)

セクション 18．Human Pose Estimation - 人のポーズを予測してみよう

2件 ∙ (18分)

セクション 19．ディープラーニング実務プロジェクトの進め方まとめ & Papers With Code 活用法 & コンピュータービジョン以外のディープラーニング応用分野紹介

3件 ∙ (24分)

講座掲載日:

最終更新日:

受講レビュー

全体

70件

4.7

70件の受講レビュー

김한주
受講レビュー 6
∙
平均評価 5.0
5
30% 受講後に作成
다른 강의와 다르게 기본 개념, Toy 프로젝트에서 그치는 것이 아니라 산업에서 사용되는 수준을 다루고 있어서 좋았습니다.
- AISchool
  知識共有者
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 상세한 수강평도 감사합니다~. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
김준표
受講レビュー 5
∙
平均評価 5.0
5
73% 受講後に作成
TensorFlow2.0으로 배우는 딥러닝 입문 강의 완강하고 저랑 잘 맞아서 이 강의도 듣게 됐습니다. 아직 전반부 듣고 있긴 하지만 설명도 잘해주시고 프로젝트도 남길 수 있어서 진학 및 취업 준비에 굉장히 도움 많이 될 것 같아요.
- AISchool
  知識共有者
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
kream
受講レビュー 1
∙
平均評価 5.0
5
25% 受講後に作成
프로젝트 진행하면서 정말 많은 도움을 받은 강의였습니다. 기초적인 부분도 알려주시고, 코드도 어떻게 진행되는지 잘 알려주셔서 도움이 많이 되었습니다.
- AISchool
  知識共有者
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
dreamer
受講レビュー 1
∙
平均評価 5.0
5
100% 受講後に作成
유익한 좋은 강의 감사드립니다.
- AISchool
  知識共有者
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
slhyj95
受講レビュー 1
∙
平均評価 5.0
5
67% 受講後に作成
대학원에서 Machine learning 전공 예정인데, 부족한 부분을 이해하고, 연습하는데 많은 도움이 되었습니다.
- AISchool
  知識共有者
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!

￥16,857

aischoolの他の講座

知識共有者の他の講座を見てみましょう！

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 1 - Llama 2 Fine-Tuning 해보기

AISchool

LLM(Large Language Model)의 기초 개념부터 고성능 LLM인 Llama 2 모델을 내가 원하는 데이터셋에 Fine-Tuning하는 방법까지 차근차근 학습합니다.

中級以上

LLM, Llama, 딥러닝

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 1 - Llama 2 Fine-Tuning 해보기

AISchool

모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기

AISchool

최신 AI 기술의 총집합체인 AI 에이전트! 다양한 AI 에이전트들을 구현해보면서 LangGraph를 이용한 나만의 AI 에이전트 구현법을 학습해봅니다.

中級以上

LangGraph, AI Agent, LangChain

모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기

AISchool

TensorFlow 2.0으로 배우는 딥러닝 입문

AISchool

딥러닝 핵심이론과 최신 TensorFlow 2.0을 이용한 딥러닝 코드 구현을 한번에 배울 수 있는 강의입니다.

初級

Tensorflow, 딥러닝, 머신러닝

TensorFlow 2.0으로 배우는 딥러닝 입문

AISchool

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 2 - 랭체인(LangChain)으로 나만의 ChatGPT 만들기

AISchool

랭체인(LangChain) 라이브러리의 개념과 활용 방법을 학습하고, 랭체인(LangChain) 라이브러리를 이용해서 나만의 ChatGPT를 만들어보는 강의입니다.

中級以上

LLM, LangChain, ChatGPT

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 2 - 랭체인(LangChain)으로 나만의 ChatGPT 만들기

AISchool

모두를 위한 대규모 언어 모델 LLM Part 4 - AI 고객센터 챗봇(AICC)을 만들며 배우는 RAG 구현

AISchool

AI 고객센터 챗봇(AICC)을 만들면서 실용적인 RAG(Retrieval-Augmented Generation) 시스템을 만드는 방법을 학습하는 강의입니다.

中級以上

LangChain, RAG, openAI API

모두를 위한 대규모 언어 모델 LLM Part 4 - AI 고객센터 챗봇(AICC)을 만들며 배우는 RAG 구현

AISchool

모두를 위한 대규모 언어 모델 LLM Part 3 - 구글 제미나이(Google Gemini) API, OpenAI API와 젬마(Gemma)로 AI 어플리케이션 만들기

AISchool

구글 제미나이(Gemini) 모델의 개념과 Gemini API 활용 방법을 학습하고, Streamlit을 이용해서 다양한 AI 어플리케이션을 만들어보는 강의입니다.

中級以上

openAI API, ChatGPT, gemini

모두를 위한 대규모 언어 모델 LLM Part 3 - 구글 제미나이(Google Gemini) API, OpenAI API와 젬마(Gemma)로 AI 어플리케이션 만들기

AISchool

모두를 위한 대규모 언어 모델 LLM Part 6 - 프로젝트로 배우는 LangGraph를 이용한 AI 에이전트 구현

AISchool

LangGraph를 이용해서 다양한 AI 에이전트 구현 프로젝트를 진행하면서 LangGraph를 이용해서 실용적인 AI 에이전트는 만드는 방법을 학습합니다.

中級以上

LangGraph, AI Agent, LangChain

모두를 위한 대규모 언어 모델 LLM Part 6 - 프로젝트로 배우는 LangGraph를 이용한 AI 에이전트 구현

AISchool

모두를 위한 ChatGPT Part 4 - ChatGPT와 실습으로 배우는 크롤링

AISchool

ChatGPT를 이용한 웹사이트 크롤링 방법을 학습할 수 있는 강의입니다. ChatGPT가 만들 변화된 미래를 미리 경험해보세요.

入門

ChatGPT, 웹 크롤링, Selenium

모두를 위한 ChatGPT Part 4 - ChatGPT와 실습으로 배우는 크롤링

AISchool

모두를 위한 MCP를 이용한 업무자동화 - 다양한 사례로 배우는 MCP(Model Context Protocol) 활용 (feat. Cursor)

AISchool

다양한 사례를 통해 MCP(Model Context Protocol)를 이용한 업무자동화 방법(Playwright 크롤링, Figma 디자인, Notion 자료 정리, Excel 자료분석)을 학습할 수 있는 강의입니다.

入門

MCP, AI 활용 (AX)

모두를 위한 MCP를 이용한 업무자동화 - 다양한 사례로 배우는 MCP(Model Context Protocol) 활용 (feat. Cursor)

AISchool

모두를 위한 ChatGPT Part 2 - ChatGPT를 이용한 데이터분석과 판다스 활용

AISchool

ChatGPT를 이용한 데이터 분석과 판다스 활용 방법을 학습할 수 있는 강의입니다. ChatGPT가 만들 변화된 미래를 미리 경험해보세요.

入門

ChatGPT, Numpy, Pandas

모두를 위한 ChatGPT Part 2 - ChatGPT를 이용한 데이터분석과 판다스 활용

AISchool

개발자의 미래! AI를 이용한 바이브 코딩 Part 1 - Cursor를 이용한 나만의 MCP 서버 만들기

AISchool

Cursor로 나만의 MCP 서버를 만들어보면서 개발자의 미래 모습인 바이브 코딩을 체득하는 강의입니다.

初級

cursor, LLM, MCP

개발자의 미래! AI를 이용한 바이브 코딩 Part 1 - Cursor를 이용한 나만의 MCP 서버 만들기

AISchool

퀀트 투자를 위한 주식 자동매매 봇 만들기 Part 1

AISchool

이베스트투자증권 xing API를 이용해서 주식 자동매매 봇을 만드는 강의입니다. 1년 365일 자동으로 거래하는 나만의 주식 자동매매 봇을 만들어보세요.

中級以上

Python, 투자, 퀀트

퀀트 투자를 위한 주식 자동매매 봇 만들기 Part 1

AISchool

모두를 위한 ChatGPT Part 1 - ChatGPT를 이용한 업무자동화와 파이썬 입문

AISchool

ChatGPT를 이용한 다양한 업무자동화 방법(엑셀, PPT, 크롤링, 이미지처리)과 업무자동화를 위한 파이썬(Python) 기초를 학습할 수 있는 강의입니다. ChatGPT가 만들 변화된 미래를 미리 경험해보세요.

入門

ChatGPT

모두를 위한 ChatGPT Part 1 - ChatGPT를 이용한 업무자동화와 파이썬 입문

AISchool

GPT 논문 구현으로 배우는 딥러닝 논문 구현 with TensorFlow 2.0 Part 1

AISchool

GPT-1(Improving Language Understanding by Generative Pre-Training) 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

中級以上

gpt, Tensorflow, 딥러닝

GPT 논문 구현으로 배우는 딥러닝 논문 구현 with TensorFlow 2.0 Part 1

AISchool

모두를 위한 ChatGPT Part 3 - ChatGPT로 퀀트 투자 전략 만들기

AISchool

ChatGPT를 이용해서 다양한 퀀트투자 전략을 만드는 법을 학습할 수 있는 강의입니다. ChatGPT를 이용해서 나만의 퀀트 투자 전략을 만들어 보세요.

入門

ChatGPT, 퀀트, 투자

모두를 위한 ChatGPT Part 3 - ChatGPT로 퀀트 투자 전략 만들기

AISchool

비트코인 암호화폐 자동매매 코인봇 만들기 Part 2 - 자동수익 코인봇 만들기

AISchool

자동 수익을 낼 수 있는 비트코인 암호화폐 코인봇 개발을 위한 [아이디어 발굴 - 데이터 수집 - 백테스트를 통한 검증] 프로세스와 강사가 개발한 AIS1, AIS2 투자 전략의 원리, 종목 선정과 매수, 매도 타점과 백테스트, 봇 실행을 위한 소스 코드를 학습할 수 있는 강의입니다.

初級

Python, colab, 투자

비트코인 암호화폐 자동매매 코인봇 만들기 Part 2 - 자동수익 코인봇 만들기

AISchool

TensorFlow로 배우는 심층 강화학습 입문 - Deep Reinforcement Learning

AISchool

심층 강화학습(Deep Reinforcement Learning)에 대한 필수 이론 학습을 통해 강화학습 기초 개념을 탄탄히 다지고, TensorFlow를 이용한 실제 코드 구현 실습을 통해 심층 강화학습의 원리를 자세히 학습할 수 있는 강의입니다.

中級以上

딥러닝, Tensorflow, 강화학습

TensorFlow로 배우는 심층 강화학습 입문 - Deep Reinforcement Learning

AISchool

예제로 배우는 딥러닝 자연어 처리 입문 NLP with TensorFlow - RNN부터 BERT까지

AISchool

딥러닝 자연어처리 기초부터 최신모델인 Transformer와 BERT까지 딥러닝 자연어 처리(Natural Language Processing[NLP])의 원리와 활용방법을 다양한 예제와 실습 코드 구현을 통해 학습합니다.

初級

딥러닝, NLP, Tensorflow

예제로 배우는 딥러닝 자연어 처리 입문 NLP with TensorFlow - RNN부터 BERT까지

AISchool

비트코인 암호화폐 자동매매 코인봇 만들기 Part 1 - 무위험 전략 학습하기

AISchool

암호화폐 자동매매 코인봇을 만들고 운영하는데 필요한 A부터 Z까지의 모든 과정을 학습합니다. (거래소 API 사용법 기초, AWS를 이용한 배포) 또한 암호화폐 시장의 구조적 특성을 이용한 연 10% 내외의 무위험 수익을 얻을 수 있는 투자전략(김치 프리미엄 이용 등)을 학습할 수 있습니다.

初級

투자

비트코인 암호화폐 자동매매 코인봇 만들기 Part 1 - 무위험 전략 학습하기

AISchool

실습으로 배우는 AWS(Amazon Web Services) 클라우드 컴퓨팅 입문

AISchool

다양한 실습을 통해 Amazon Web Services(AWS) 클라우드 컴퓨팅의 원리와 핵심 서비스 사용법을 단계별로 차근차근 학습할 수 있는 강의입니다.

入門

AWS

실습으로 배우는 AWS(Amazon Web Services) 클라우드 컴퓨팅 입문

AISchool

似ている講座

同じ分野の他の講座を見てみましょう！

OpenCV 를 활용한 명함인식 기능 구현 강좌

마이캠퍼스

명함인식을 구현하는 실전을 통해 OpenCV를 활용하고 이미지를 처리하는 방법을 배웁니다. OpenCV에 대해서는 간략히 설명하며, 명함인식을 구현하기 위해 필요한 OpenCV 함수들은 좀 더 자세히 설명하는 방식입니다. 즉 기초강좌라기 보다는 명함인식이라는 실전을 위한 엑기스를 제공합니다. Tesseract 및 Microsoft의 OCR엔진을 활용하는 방안도 포함됩니다. 본 강의의 소스코드는 Python기반이지만, 활용하는 OpenCV 클래스 및 함수와 이미지 인식 및 처리기술을 익히기 때문에, 이를 바탕으로 안드로이드와 iOS에 적용하는 것은 무리가 없을 것입니다. 수강하시는 분은 강의 슬라이드, 실제 동작하는 명함 인식 소스 코드를 제공합니다. 2017년 1월과 2월에 3회의 오프라인 세미나를 하면서 더욱 개선되고 검증된 강의 내용을 강사가 정성들여 온라인용으로 다시 녹음한 것입니다. 본 강의에서 활용되는 OpenCV 함수들입니다. cv2.Canny() cv2.GaussianBlur() cv2.VideoCapture() cv2.adaptiveThreshold() cv2.approxPolyDP() cv2.arcLength() cv2.boundingRect() cv2.boxPoints() cv2.contourArea() cv2.convertScaleAbs() cv2.createTrackbar() cv2.cvtColor() cv2.destroyAllWindows() cv2.dilate() cv2.drawContours() cv2.findContours() cv2.getAffineTransform() cv2.getPerspectiveTransform() cv2.getTrackbarPos() cv2.imread() cv2.imshow() cv2.imwrite() cv2.minAreaRect() cv2.namedWindow() cv2.rectangle() cv2.resize() cv2.threshold() cv2.waitKey() cv2.warpAffine() cv2.warpPerspective()

中級以上

딥러닝, OpenCV, 컴퓨터 비전

OpenCV 를 활용한 명함인식 기능 구현 강좌

마이캠퍼스