강의

멘토링

로드맵

BEST
AI Development

/

Computer Vision

Dự án nhận dạng biển số xe và nhận dạng hình ảnh deep learning tất cả trong một được học với TensorFlow

Đây là khóa học tất cả trong một cho phép bạn tìm hiểu toàn bộ quá trình từ kiến ​​thức cơ bản về học sâu/TensorFlow/thị giác máy tính đến các ứng dụng thực tế cùng một lúc thông qua dự án thực tế nhận dạng biển số xe. Thông qua nhiều bài tập khác nhau, bạn có thể phát triển các kỹ năng thực tế để áp dụng các mô hình deep learning mới nhất vào các tập dữ liệu tùy chỉnh.

(4.8) 72 đánh giá

666 học viên

  • AISchool
Tensorflow
Deep Learning(DL)
Machine Learning(ML)
CNN
NLP

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

  • Cách tiến hành các dự án thực tế deep learning ngoài các dự án cơ bản như MNIST, CIFAR-10, v.v.

  • Cách áp dụng mô hình học sâu mới nhất cho tập dữ liệu tùy chỉnh

  • Học tập từng bước từ các khái niệm cơ bản về học sâu/học máy đến các ứng dụng thực tế

  • Hiểu biết sâu sắc về cấu trúc mô hình deep learning được đề xuất trong các bài báo mới nhất (EfficientNet, CenterNet, EAST, ...)

  • Nguyên tắc và cách sử dụng các mô hình học sâu mới nhất được sử dụng trong các lĩnh vực vấn đề về thị giác máy tính khác nhau như Phát hiện đối tượng, Phát hiện văn bản, OCR, Chú thích hình ảnh và Mô hình tổng hợp

  • Cách cải thiện hiệu suất của các mô hình học sâu

Thông qua các dự án thực tế khác nhauhọc hỏi từ các bài báo mới nhất
Trở thành chuyên gia về thị giác máy tính/học sâu . 😀

Vui lòng kiểm tra trước khi tham gia khóa học!

  • Bài giảng này là , Một số bài giảng và lớp học chồng chéo lên nhau. Vui lòng kiểm tra chương trình giảng dạy trước khi tham gia khóa học.
Danh sách chương trình giảng dạy áp dụng

Phần 1

  • Giới thiệu về các lĩnh vực có vấn đề về Phát hiện đối tượng
  • Số liệu phát hiện đối tượng - IoU, mAP
  • Bộ dữ liệu phát hiện đối tượng – Pascal VOC, MS COCO, KITTI, Open Images

Phần 3

  • Giới thiệu về API phát hiện đối tượng TensorFlow

Phần 4

  • Các khu vực có CNN (R-CNN)
  • R-CNN nhanh
  • R-CNN nhanh hơn
  • Ức chế không tối đa (NMS)
  • SSD (Máy dò MultiBox bắn một lần)
  • RetinaNet
  • CenterNet

Phần 5

  • Phát hiện đối tượng bằng mô hình được đào tạo trước

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 1

  • Trí tuệ nhân tạo, học máy, học sâu & học có giám sát, học không giám sát, học tăng cường
  • Học sâu, các lĩnh vực ứng dụng TensorFlow
  • Sơ lược về lịch sử học sâu

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 3

  • Quy trình cơ bản của machine learning - định nghĩa giả thuyết, định nghĩa hàm mất mát, định nghĩa tối ưu hóa
  • Triển khai thuật toán hồi quy tuyến tính bằng TensorFlow 2.0
  • Giảm dần độ dốc hàng loạt, Giảm dần độ dốc ngẫu nhiên, Giảm dần độ dốc hàng loạt nhỏ
  • Dữ liệu đào tạo, Dữ liệu xác thực, Dữ liệu kiểm tra & Trang bị quá mức
  • Hồi quy Softmax & Chức năng mất Entropy chéo & Mã hóa một nóng & MNIST
  • Phân lớp máy ảnh TensorFlow 2.0
  • Triển khai trình phân loại số MNIST bằng TensorFlow 2.0 và Softmax Regression

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 4

  • MLP Perceptron đa lớp
  • Triển khai trình phân loại số MNIST bằng TensorFlow 2.0 và ANN

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 5

  • Khái niệm về Bộ mã hóa tự động
  • Tái tạo dữ liệu MNIST bằng TensorFlow 2.0 và bộ mã hóa tự động

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 6

  • Khó khăn của vấn đề thị giác máy tính và sự ra đời của kỷ nguyên thị giác máy tính dựa trên CNN
  • Các khái niệm cốt lõi của mạng lưới thần kinh tích chập - Convolution, Pooling
  • Triển khai CNN để phân loại chữ số MNIST bằng TensorFlow 2.0
  • Bỏ học
  • Triển khai CNN để phân loại hình ảnh CIFAR-10 bằng TensorFlow 2.0

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 7

  • Mạng thần kinh tái phát (RNN)
  • Vấn đề biến mất độ dốc & LSTM & GRU
  • Khái niệm nhúng & Char-RNN
  • Triển khai Char-RNN bằng TensorFlow 2.0

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 8

  • Lưu và tải tham số bằng API tf.train.CheckpointManager
  • Trực quan hóa quá trình học tập bằng TensorBoard

< Giới thiệu về Deep Learning với TensorFlow 2.0 > Phần 9

  • Giới thiệu các lĩnh vực vấn đề về thị giác máy tính khác nhau
  • Giới thiệu các lĩnh vực vấn đề xử lý ngôn ngữ tự nhiên (NLP) khác nhau

Tìm hiểu cách sử dụng các mô hình học sâu mới nhất thực sự được sử dụng trong Naver (CRAFT) và Kakao (EAST).

Khóa học tất cả trong một để trở thành chuyên gia thị giác máy tính học sâu!

  • Chúng tôi đã tổng hợp tất cả các yếu tố bạn cần học để trở thành chuyên gia thị giác máy tính học sâu vào một bài giảng.
  • Kiến thức lý thuyết cần thiết để hiểu các mô hình deep learning mới nhất : Bắt đầu từ những kiến ​​thức cơ bản về machine learning và deep learning (ANN, CNN) đến nguyên tắc của các mô hình deep learning mới nhất (EfficientNet, CenterNet), bạn sẽ học các lý thuyết và kiến ​​thức cần thiết từng bước một.
  • Kỹ năng triển khai mã bằng Python/TensorFlow 2.0 : Tìm hiểu từng bước các kỹ năng triển khai cho các dự án thực tế bằng Python và TensorFlow 2.0.
  • Các dự án thực tế khác nhau để áp dụng bộ dữ liệu tùy chỉnh : Thay vì các ví dụ cơ bản như MNIST, chúng tôi sẽ tiến hành nhiều dự án thực tế khác nhau để áp dụng các mô hình học sâu mới nhất cho các bộ dữ liệu tùy chỉnh khác nhau .

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Bất cứ ai muốn nghiên cứu nghiêm túc về deep learning/thị giác máy tính

  • Những người muốn thực hiện các dự án thực tế bằng cách sử dụng deep learning/thị giác máy tính

Cần biết trước khi bắt đầu?

  • Kiến thức Python cơ bản

Xin chào
Đây là

9,076

Học viên

668

Đánh giá

351

Trả lời

4.6

Xếp hạng

29

Các khóa học

Chương trình giảng dạy

Tất cả

126 bài giảng ∙ (20giờ 51phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

72 đánh giá

4.8

72 đánh giá

  • whdghk8152040님의 프로필 이미지
    whdghk8152040

    Đánh giá 6

    Đánh giá trung bình 5.0

    5

    30% đã tham gia

    Không giống như những bài giảng khác, tôi thích nó không dừng lại ở những khái niệm cơ bản và dự án đồ chơi mà đề cập đến mức độ ứng dụng trong công nghiệp.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Cảm ơn bạn đã đánh giá khóa học chi tiết. Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • junpyokim4448님의 프로필 이미지
    junpyokim4448

    Đánh giá 5

    Đánh giá trung bình 5.0

    5

    73% đã tham gia

    Khóa học sâu cơ bản được dạy bằng TensorFlow 2.0 rất chắc chắn và phù hợp với tôi, vì vậy tôi cũng đã tham gia khóa học này. Tôi vẫn đang nghe nửa đầu, nhưng tôi nghĩ nó sẽ rất hữu ích trong việc chuẩn bị cho việc học cao hơn và việc làm vì những lời giải thích rất hay và tôi có thể rời khỏi một dự án.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • seojk1234560728님의 프로필 이미지
    seojk1234560728

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    25% đã tham gia

    Đó là một bài giảng thực sự đã giúp ích cho tôi rất nhiều khi thực hiện dự án của mình. Nó rất hữu ích vì nó giải thích những điều cơ bản và giải thích cách hoạt động của mã.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • dkoh0716님의 프로필 이미지
    dkoh0716

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Cảm ơn bài giảng rất hay và hữu ích.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

  • slhyj954421님의 프로필 이미지
    slhyj954421

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    67% đã tham gia

    Tôi dự định theo học chuyên ngành Machine Learning ở trường sau đại học, và nó đã giúp ích rất nhiều cho việc hiểu và thực hành những thiếu sót của tôi.

    • aischool
      Giảng viên

      Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!

2.984.889 ₫

Khóa học khác của AISchool

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!