BEST

Hướng dẫn hoàn chỉnh về CNN Deep Learning - Phiên bản TFKeras

Name: Hướng dẫn hoàn chỉnh về CNN Deep Learning - Phiên bản TFKeras
Price: 110000 KRW

Từ lý thuyết cốt lõi về Deep Learning và CNN đến các phương pháp triển khai mô hình CNN đa dạng, cùng với bí quyết phát triển Deep Learning thực tế thông qua các bài toán thực tế, Nếu bạn muốn trở thành chuyên gia về công nghệ Deep Learning CNN, hãy tham gia khóa học này :)

(4.9) 117 đánh giá

2,104 học viên

dooleyz3525

Deep Learning(DL)

CNN

Tensorflow

Keras

Kaggle

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Các yếu tố công nghệ cốt lõi cấu thành nên Deep Learning, CNN
Framework nền tảng quan trọng cấu thành nên Tensorflow, Keras
Bí quyết điều chỉnh để cải thiện hiệu suất của mô hình phân loại CNN
Hiện thực hóa phân loại ảnh bằng CNN
Các kỹ thuật Augmentation hình ảnh đa dạng và các kỹ thuật cải thiện hiệu suất mô hình sử dụng chúng
Cơ chế chi tiết của Keras ImageDataGenerator và Sequence
Kỹ thuật tiền xử lý (Preprocessing) dữ liệu ảnh cho CNN học sâu
Các mô hình CNN cốt lõi như AlexNet, VGGNet, Inception, ResNet
Áp dụng các mô hình mới nhất như Xception và EfficientNet
Tìm hiểu và áp dụng học tập tinh chỉnh (Fine Tuning) mô hình Pretrained
Các phương án cải thiện hiệu suất mô hình bằng cách sử dụng các kỹ thuật Learning Rate Scheduler đa dạng
Các phương pháp phát triển Deep Learning thực tế như tiền xử lý ảnh, xử lý dữ liệu, tạo mô hình, cải thiện hiệu suất tối ưu, đánh giá hiệu suất

Tại sao tôi tạo ra khóa học này 😚

Lĩnh vực học sâu phát triển nhanh nhất, CNN

Trong số các lĩnh vực sử dụng học sâu, lĩnh vực thị giác máy tính dựa trên học sâu CNN là lĩnh vực phát triển nhanh nhất và cũng thay đổi nhiều nhất. Do đó, để phát triển thành chuyên gia trong lĩnh vực thị giác máy tính dựa trên học sâu, việc có các kỹ năng triển khai thực tế và năng lực cốt lõi cho CNN là điều cần thiết. Với mục đích này, chúng tôi đã phát hành khóa học ' Deep Learning CNN Complete Guide - Fundamental Edition' . Và chúng tôi dự định phát hành ' Deep Learning CNN Complete Guide - Advanced Edition' với nhiều chủ đề nâng cao hơn trong tương lai.

Những gì bạn sẽ học được trong bài giảng này

'Deep Learning CNN Complete Guide - Fundamental' mới phát hành cung cấp lý thuyết và thực hành chuyên sâu về các yếu tố công nghệ cốt lõi của học sâu và CNN, cũng như nhiều kỹ thuật triển khai khác nhau để xây dựng các mô hình phân loại hình ảnh CNN và các phương pháp tối ưu hóa hiệu suất mô hình. Và bằng cách làm theo nhiều ví dụ thực tế, chúng tôi sẽ giúp bạn có được kỹ năng xử lý hình ảnh trước, tải dữ liệu, hiểu biết về khuôn khổ tf.keras, kiến trúc bên trong của mô hình CNN mới nhất và các phương pháp điều chỉnh hiệu suất mô hình có thể được sử dụng trong các tình huống thực tế, do đó giúp bạn phát triển thành chuyên gia về công nghệ CNN học sâu.

Bài giảng về học sâu trên CNN, kết thúc bằng bài giảng này.

Thông qua 130 bài giảng và 30 giờ giảng bài, chúng tôi sẽ trình bày sâu sắc mọi thứ bạn cần để hiểu CNN.
Hãy xem một số nội dung và tài liệu bài giảng bên dưới.

권 철민, 딥러닝 CNN 완벽 가이드

Kiểm tra tài liệu bài giảng trước nhé 🙂

Các tính năng của khóa học này

1. Lý thuyết và thực hành chuyên sâu về các yếu tố công nghệ cốt lõi tạo nên học sâu và CNN.

Chúng tôi sẽ cài đặt kiến thức cơ bản cốt lõi về học sâu và CNN vào đầu bạn thông qua lý thuyết và thực hành chuyên sâu.

2. Hiểu được khuôn khổ cốt lõi tạo nên Tensorflow.Keras

Chúng tôi sẽ giúp bạn triển khai các ứng dụng CNN mạnh mẽ và linh hoạt hơn dựa trên Keras thông qua các giải thích chi tiết và thực hành thực tế về khuôn khổ cốt lõi tạo nên Tensorflow.Keras.

3. Từ xử lý hình ảnh trước đến điều chỉnh hiệu suất mô hình CNN tối ưu!
Tối đa hóa các kỹ năng thực tế của bạn bằng cách tìm hiểu cách triển khai các mô hình phân loại hình ảnh thông qua nhiều ví dụ thực tế khác nhau.

Để trở thành chuyên gia về thị giác máy tính dựa trên học sâu, bạn cũng phải nắm vững các công nghệ cơ bản để xử lý hình ảnh. Chúng tôi sẽ giải thích chi tiết về các công nghệ dựa trên xử lý hình ảnh để triển khai các mô hình phân biệt hình ảnh học sâu , bao gồm các phương pháp xử lý trước hình ảnh, sắp xếp và đặc điểm hình ảnh, sử dụng thư viện hình ảnh và các kỹ thuật tăng cường bằng các công cụ chuyên dụng như Albumentations.

Bạn sẽ học khả năng triển khai tự do các mô hình phân loại hình ảnh CNN thông qua nhiều tập dữ liệu và các vấn đề thực tế khó, cũng như các kỹ thuật điều chỉnh hiệu suất tối ưu cho các mô hình phân loại hình ảnh bằng cách sử dụng các mô hình mới nhất như Augmentation, Learning Rate Optimization và EfficientNet .

4. Chúng tôi cung cấp các giải thích chi tiết về các mô hình CNN cốt lõi đã trở thành nền tảng quan trọng cho sự phát triển của CNN hiện đại ở cấp độ mã nguồn.

Để sử dụng CNN cho các ứng dụng ngoài mô hình phân loại hình ảnh, điều quan trọng là phải hiểu các mô hình CNN hiện đại đã phát triển như thế nào và công nghệ cốt lõi của chúng là gì. Để đạt được mục đích này , chúng tôi sẽ giải thích chi tiết về kiến trúc và đặc điểm của các mô hình CNN cốt lõi quan trọng như AlexNet, VGGNet, GoogLeNet (Inception) và ResNet, cũng như việc triển khai các mô hình này ở cấp độ mã nguồn.

Hướng dẫn về Môi trường Thực hành

Môi trường thực hành được thực hiện bằng cách sử dụng kernel sổ tay do Kaggle cung cấp. Sau khi đăng ký Kaggle, bạn có thể sử dụng môi trường Jupyter Notebook tương tự như Colab bằng cách chọn menu Code.

Hạt nhân Kaggle Notebook cung cấp GPU P-100 VM miễn phí. Ngoài ra, giao diện người dùng đẹp mắt và dễ dàng tích hợp với nhiều dữ liệu khác nhau của Kaggle giúp việc thực hành trở nên rất thuận tiện. Mã thực hành được viết dựa trên tf.keras trong Tensorflow 2.4. Để biết mô tả chi tiết hơn về môi trường thực hành, vui lòng tham khảo video giới thiệu về môi trường thực hành trong Phiên 0.

Có thể tải xuống tài liệu bài giảng và mã thực hành từ 'Phần 0: Giới thiệu bài giảng' và 'Tải xuống tài liệu bài giảng và mã thực hành' trong phần Giới thiệu về môi trường thực hành.

Bởi vì tôi biết nỗ lực của bạn có giá trị như thế nào.

Bạn không thể trở thành chuyên gia trong bất kỳ lĩnh vực nào nếu không chăm chỉ làm việc. Không, nếu bạn trở thành chuyên gia mà không cần nỗ lực thì bạn không phải là chuyên gia. Bởi vì chúng tôi biết rằng bạn có mong muốn mãnh liệt muốn trở thành chuyên gia trong lĩnh vực học sâu và bởi vì chúng tôi hiểu giá trị của công sức bạn bỏ ra, chúng tôi đã dồn hết tâm huyết vào việc tạo ra khóa học Hướng dẫn đầy đủ về học sâu trên CNN để ngay cả thời gian nhỏ bạn đầu tư vào việc học học sâu cũng sẽ không bị lãng phí.

Khóa học này sẽ đóng vai trò là bước đệm giá trị giúp bạn trở thành chuyên gia học sâu.

Một bài giảng sẽ hữu ích nếu bạn học trước ✨

Kwon Chul-min, người chia sẻ kiến thức, loạt bài giảng về 'Học máy'

1 Hướng dẫn đầy đủ về Python Machine Learning

Những người gặp được Inflearn

Hãy xem cuộc phỏng vấn của Kwon Chul-min! | Đi xem

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

Dành cho những ai muốn nâng cao đáng kể năng lực cơ bản về Deep Learning và CNN
Những ai cần hiểu rõ về CNN
Những ai muốn sử dụng mô hình phân loại ảnh deep learning trong lĩnh vực thị giác máy tính
Những bạn chuẩn bị cho cuộc thi phân loại ảnh trên Kaggle hoặc Dacon
Những ai quan tâm đến việc học Deep Learning nói chung

Cần biết trước khi bắt đầu?

Cần có khả năng triển khai cơ bản Python và hiểu biết cơ bản về Numpy, Pandas.
Bạn cần có kiến thức cơ bản về máy học. (ví dụ: hiện tượng quá khớp, tại sao cần bộ dữ liệu học/kiểm chứng/kiểm tra, v.v.)

Xin chào
Đây là

26,576

Học viên

1,340

Đánh giá

3,991

Trả lời

4.9

Xếp hạng

Các khóa học

(전) 엔코아 컨설팅

(전) 한국 오라클

AI 프리랜서 컨설턴트

파이썬 머신러닝 완벽 가이드 저자

Chương trình giảng dạy

Tất cả

135 bài giảng ∙ (31giờ 39phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Giới thiệu khóa học và môi trường thực hành

3 bài giảng ∙ (18phút)

Phần 2. Tìm hiểu Deep Learning - Tổng quan và Gradient Descent

13 bài giảng ∙ (3giờ 11phút)

Phần 3. Hiểu cơ bản về Học sâu - Lan truyền ngược, Hàm kích hoạt, Hàm mất mát, Bộ tối ưu hóa

11 bài giảng ∙ (2giờ 53phút)

17. Tìm hiểu về Mạng nơ-ron sâu và Tổng quan về Lan truyền ngược (Backpropagation)
18:27
18. Hiểu Lan truyền ngược lỗi (Backpropagation) - Quy tắc chuỗi đạo hàm
23:31
19. Mạng nơ-ron sâu áp dụng chuỗi hàm hợp
06:00
20. Cơ chế áp dụng Gradient của Lan truyền ngược (Backpropagation) - 01
15:10
21. Cơ chế áp dụng Gradient của Lan truyền ngược lỗi (Backpropagation) - 02
10:13
22. Hiểu về hàm kích hoạt (Activation Function)
20:24
23. Ôn lại cơ chế học của mô hình deep learning với Tensorflow Playground
10:02
24. Hiểu về Hàm mất mát (Loss) và Chi tiết Cross Entropy - 01
16:40
25. Hiểu về Hàm mất mát (Loss) và Chi tiết Entropy chéo (Cross Entropy) - 02
16:34
26. Hiểu về Optimizer - Momentum, AdaGrad
21:01
27. Hiểu về Optimizer - RMSProp, Adam
15:17

Phần 4. Keras Framework

15 bài giảng ∙ (3giờ 18phút)

Phần 5. Hiểu CNN

12 bài giảng ∙ (2giờ 40phút)

Phần 6. Triển khai mô hình CNN và áp dụng kỹ thuật cơ bản cải thiện hiệu năng

13 bài giảng ∙ (2giờ 49phút)

Phần 7. Tìm hiểu về Tăng cường dữ liệu - Ứng dụng Keras ImageDataGenerator

7 bài giảng ∙ (1giờ 58phút)

Phần 8. Sử dụng mô hình CNN tiền huấn luyện và hiểu về cơ chế Keras Generator

10 bài giảng ∙ (2giờ 30phút)

Phần 9. Các kỹ thuật Augmentation với Albumentation và Keras Sequence

10 bài giảng ∙ (2giờ 33phút)

Phần 10. Mổ xẻ mô hình CNN nâng cao - AlexNet, VGGNet, GoogLeNet

12 bài giảng ∙ (2giờ 28phút)

Phần 11. Phân tích sâu các mô hình CNN nâng cao - Chi tiết về ResNet và Tổng quan về EfficientNet

8 bài giảng ∙ (1giờ 54phút)

Phần 12. Tinh chỉnh mô hình tiền huấn luyện và Áp dụng các Learning Rate Scheduler khác nhau

7 bài giảng ∙ (1giờ 30phút)

Phần 13. Bài thực hành tổng hợp 1 - Tối ưu hóa mô hình Nhận dạng 120 giống chó

8 bài giảng ∙ (2giờ 11phút)

Phần 14. Thực hành tổng hợp 2 - Cuộc thi Kaggle Plant Pathology (Chẩn đoán bệnh lá cây)

6 bài giảng ∙ (1giờ 22phút)

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Tất cả

117 đánh giá

4.9

117 đánh giá

kbj804941680
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
17% đã tham gia
全部見られなかったが、先に残す受講後期.. 【メリット】 1. 始める際に選手の知識についてよく整理してください。 2.川の名前はCNNですが、CNNに限らず、ディープラーニング基本機（SGD、Backpropなど..）を詳しく教えてくれるので、後にちょっと難しいアプリケーションが出ても理解可能 3. イメージの前処理も詳細なので、ビジョン側の基本技のない方も挑戦可能（クォンチョルミン講師様のビジョン側の講義を聞いてくることもおすすめ） 4. 単純な CNN 画像分類だけではなく、最近の CNN がどのように進化しているのか、また詳細な説明 5.講義資料にわかりやすく絵が多い【惜しい点】 1. tf基盤講義だが、torchも…ㅎㅎ [総評] 5点。イメージ分野のディープラーニング入門の方は無条件に聞けばいいし、ただディープラーニングに入門される方もディープラーニング基本基が詳しく出ているので、入っておくと良いです。 CNN自体が正直最近ではイメージにしか使われず、NLPや予測モデリングにも使われているので、CNN深く理解して活用するのに最適です。
dohoonkim
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
49% đã tham gia
こんにちは、現在人工知能を専攻で勉強している学生です。嘘をつかないで大学レベルカリキュラム通りに進めてくださりながら講義してください。します。そして難易度とは別に、学校の授業はPPTだけ読んで終わりましたが、このレッスンはコード一行に従うことができてとても良かったです。時々どの領域では本当に＆＃x27;え？これまで深く入っていくと！？＆＃x27;欲しいレベルで説明していただきありがとうございました。（教授とわらのポイントと説明がほぼ同じように言われてびっくりしました）残念なことは、現代の機械学習の頂点であるトランス、アテンションのような部分はまだ扱っていないということです。もしこの講義まで出てしまえば、クォンチョルミン先生はほとんどの国内機械学習私教育本座に登場することになりそうです。インフラで内金内産講義の中で最高の満足度です。
yoonducklim0908
Đánh giá 7
∙
Đánh giá trung bình 5.0
5
50% đã tham gia
フジェクを遂行しながらディープラーニングのおよそ知っていると思いましたが、イ・ガンウィでこれまで拳口にしてきたんだと感じています。一日中隙間ごとにずっと聞いています。助けになっていて、ひと後で深化過程出てきたらその講義も聞きたいです。
poptato1037
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
75% đã tham gia
今半分見たんですが.. advanced講義はいつも来ますか。
hdongle5478
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
96% đã tham gia
CNN分野がディープラーニングを少しでもやってみたとすれば、比較的最初に接する分野だと思うが、思ったより原理を知らずに持って書いて柔軟な対処が難しいですね。会社で必要になるたびにgithubを探して迷わず原理をよく知らず、その時、必要な機能を急いで組み合わせて作ったりします。他の業務と並行しながらやってみると tensorflow2.4, keras, kaggle いつかは勉強しなければならず、ミルダが前回講義した講義を受講しながら進めた課題に object detection を使ってロボットの動きに成功的に適用して会社では専門家(?)として認められた記憶のために、CNNももう一度整理する兼、深く掘り下げる受講中にあります。授業時間が少なくないのに、悪くないのがソースコードを詳しく説明してくださって全体的にスイープ～見て別に表記したが後でその時その時必要な部分だけもっと細かく聞いてみてもいいようです。 -------------------------------------------------- ------- 先日残した後期に追加して残します。会社で別の業務を遂行し、再びコンピュータビジョン部門が作られ、再び復帰する次元で最初から頑張りました。もう一度聞いてみると、以前に急いで進んだ部分がもう少し理解の幅が広がりますね。やはり一度聞いて終わる講義ではありません。もう一度推測します。

2.297.317 ₫

Khóa học khác của dooleyz3525

Hãy khám phá các khóa học khác của giảng viên!

実装しながら学ぶTransformer

dooleyz3525

Multi Head AttentionからOriginal Transformerモデル、BERT、Encoder-DecoderベースのMarianMT翻訳モデルまでコードで直接実装しながらTransformerについて隅々まで学ぶことになります。

중급이상

Deep Learning(DL), PyTorch, encoder-decoder

実装しながら学ぶTransformer

dooleyz3525

深層学習 CNN 完璧ガイド - Pytorch バージョン

dooleyz3525

ディープラーニング・CNNの核心理論から多様なCNNモデルの実装方法、実践問題を通じた実務ディープラーニング開発のノウハウまで、 PytorchベースのディープラーニングCNN技術の専門家として生まれ変わりたいなら、この講義をご一緒ください:)

초급

Deep Learning(DL), PyTorch, Computer Vision(CV)

深層学習 CNN 完璧ガイド - Pytorch バージョン

dooleyz3525

FastAPI 完全ガイド

dooleyz3525

本講義はFastAPIの核心機能とともに、Webサービス開発の全過程を習得できるように構成しました。本講義を通じて、皆様を現場で必要とするFastAPI専門開発者に成長させていただきます。

중급이상

Python, FastAPI, SQL

FastAPI 完全ガイド

dooleyz3525

カフカパーフェクトガイド - コア編

dooleyz3525

カフカの核心から内部メカニズムの深化レベルの内容まで、詳細な理論の説明とハンズオン実践＆amp;本番カフカアプリケーションの開発実践を通じて、カフカを始める人も一気に専門家レベルに到達できるように講義を構成しました。

중급이상

Kafka, Data Engineering

カフカパーフェクトガイド - コア編

dooleyz3525

[改訂版] Python機械学習完全ガイド

dooleyz3525

理論中心の機械学習講座から脱却し、機械学習の核心的な概念を簡単に理解できるだけでなく、実践的な機械学習アプリケーションの実装能力を身につけることができます。

초급

Python, Machine Learning(ML), Statistics

[改訂版] Python機械学習完全ガイド

dooleyz3525

[改訂版] ディープラーニングコンピュータビジョン完全ガイド

dooleyz3525

この講義では、オブジェクト検出とセグメンテーションに関する詳細な理論の説明と、現場で即座に使用できるレベルの実習例を通じて、現場で必要なディープラーニングベースのコンピュータービジョン専門家として皆さんを育成します。

중급이상

Machine Learning(ML), Tensorflow, Python

[改訂版] ディープラーニングコンピュータビジョン完全ガイド

dooleyz3525

さまざまなケースで習得するSQLデータの分析

dooleyz3525

さまざまな実用的なデータ分析ケースをSQLを通じて実装していきながら、データ分析能力とSQL活用能力を同時に向上させることができます。

중급이상

SQL, PostgreSQL, DBMS/RDBMS

さまざまなケースで習得するSQLデータの分析

dooleyz3525

データ分析 SQL Fundamentals

dooleyz3525

SQL の基本要素に関する詳細な講義と実習を通じて、揺るぎない骨組みを作り、SQL 分析の専門家として成長できるようにサポートします。

초급

SQL, PostgreSQL, DBMS/RDBMS

データ分析 SQL Fundamentals

dooleyz3525

スパークマシンラーニングパーフェクトガイド - Part 1

dooleyz3525

スパーク機械学習の中核フレームワークの理解、難易度の高い実践問題によるSQLベースのデータ処理、業務ドメイン分析によるデータ分析と最適化された機械学習モデルの実装能力まで、大容量データ基盤から機械学習の専門家として認めたい場合は、この講義と一緒にしてください。

중급이상

Apache Spark, Machine Learning(ML), Big Data

スパークマシンラーニングパーフェクトガイド - Part 1

dooleyz3525

キャッグアドバンスドマシンラーニング本当の打ち抜き

dooleyz3525

この講義は、Kaggle の Home Credit Default Risk コンテストの機械学習モデルを実装することで、実践的な機械学習構築の専門家としてあなたのスキルをさらにレベルアップできるように作成された講義です。

중급이상

Machine Learning(ML), Kaggle

キャッグアドバンスドマシンラーニング本当の打ち抜き

dooleyz3525

カフカパーフェクトガイド - ksqlDB

dooleyz3525

本講義は、ksqlDBの活用とコアメカニズムを様々な実習を通じて習得できるように構成されています。講義を終えたら、Kafka（カフカ）ベースのリアルタイムストリーミングデータ分析システムを簡単かつ迅速に構築できます。

중급이상

Kafka, ksqlDB, Data Engineering

カフカパーフェクトガイド - ksqlDB

dooleyz3525

カフカパーフェクトガイド - コネクト編

dooleyz3525

カフカ・コネクトに関する深い理論の説明と、現場ですぐに使えるレベルの詳細な実践を通じて、現場で必要とするカフカ・コネクトベースのデータ連動およびデータパイプライン構築の専門家に成長させていきます。。

중급이상

Kafka, Data Engineering

カフカパーフェクトガイド - コネクト編

dooleyz3525

Oracle パフォーマンス分析とインスタンスチューニングの核心ガイド

dooleyz3525

Oracle DB アーキテクチャの内部メカニズムを理解し、パフォーマンスチューニングとパフォーマンス分析の専門家として成長できるための重要なガイドを提供します。

중급이상

Oracle, DBMS/RDBMS

Oracle パフォーマンス分析とインスタンスチューニングの核心ガイド

dooleyz3525

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

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

AISchool

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。

초급

Tensorflow, Deep Learning(DL), Machine Learning(ML)

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

AISchool

[改訂版] ディープラーニングコンピュータビジョン完全ガイド

dooleyz3525

중급이상

Machine Learning(ML), Tensorflow, Python

[改訂版] ディープラーニングコンピュータビジョン完全ガイド

dooleyz3525

AIポートフォリオ作成 - Airbnbクローンプロジェクト

AISchool

TensorFlow活用における優秀事例であるairbnbデータサイエンスチームのAmenity Detectionプロジェクトをクローンプロジェクトとして進めてみて、その進行経験をGitHubブログとして整理し、AIポートフォリオを作成できる講座です。

초급

Deep Learning(DL), Portfolio, GitHub

AIポートフォリオ作成 - Airbnbクローンプロジェクト

AISchool

【モバイル】ディープラーニング Computer Vision 本番プロジェクト

nomad

AI人工知能、モバイルが大勢だということは言うまでもありません。ところで、機械学習とディープラーニングを学び、モバイルでどのように書くのでしょうか？それでは、生活の中で活用される便利なモバイルComputer Visionプロジェクトを一緒に学びましょう。

중급이상

IONIC, Machine Learning(ML), Deep Learning(DL)

【モバイル】ディープラーニング Computer Vision 本番プロジェクト

nomad

ディープラーニングベース画像・物体認識：CNNからYOLO・DETRまで

YoungJea Oh

この講義は、ディープラーニングを活用した画像と物体認識の原理を基礎から最新モデルまで段階的に学ぶ過程です。 - 基礎固め：PyTorchでテンソルとニューラルネットワークの基本構造理解 - 画像理解：コンピュータビジョンの概念、画像データ構造、Augmentation技法学習 - CNNモデル学習：畳み込みニューラルネットワーク（CNN）で画像分類実習（CIFAR-10など） - Transfer Learning：既存の学習済みモデルを活用して少ないデータで高速学習 - Object Detection：R-CNN、YOLO、SSD、DETRなど最新物体検出モデル理解及び実習 - Segmentation：U-Net、Mask R-CNNによるピクセル単位物体分割体験

중급이상

PyTorch, Computer Vision(CV), CNN

ディープラーニングベース画像・物体認識：CNNからYOLO・DETRまで

YoungJea Oh

初めてのディープラーニングとPyTorch ブートキャンプ（簡単に！基本からChatGPT核心トランスフォーマーまで）[データ分析・科学 Part3]

funcoding

講師が初めてディープラーニングを習得した際に失敗した経験に基づき、ディープラーニング理解に必要な数学、理論、PyTorchベースの実装、転移学習、GPTの核となるTransformerまで、順を追って習得できるよう、新たに構成された講義です。

초급

Deep Learning(DL), PyTorch, Machine Learning(ML)

初めてのディープラーニングとPyTorch ブートキャンプ（簡単に！基本からChatGPT核心トランスフォーマーまで）[データ分析・科学 Part3]

funcoding

[AI実務] AI Research Engineerのための論文の実装を始める with PyTorch

whitebox

AIを研究したり、それを活用してプロジェクトを進める場合、基本的な論文の実装は必須です。この講義を通じて実際の論文を実施し、実務能力をアップグレードしましょう！

중급이상

Deep Learning(DL), Generative AI, PyTorch

[AI実務] AI Research Engineerのための論文の実装を始める with PyTorch

whitebox

[7日完成] 一発合格するMS AI-900資格証

jobgreegi

AI時代の必須資格証、MS AI-900！🚀 ご存知でしたか？ChatGPTはMicrosoft Azureでのみ運営されています！最新GPTモデルを独占提供するMicrosoft Azure OpenAIを本格的に活用したいなら、今がまさにチャンスです。AI-900コースを通じてAzure AIサービス専門家として成長し、企業が信頼するエンタープライズ級AIソリューションをマスターしましょう。グローバル公認認証まで確保して、真のAI専門家として競争力を高めましょう！

입문

Machine Learning(ML), Deep Learning(DL), AI

[7日完成] 一発合格するMS AI-900資格証

jobgreegi

AIを活用した製造業分野の実務適用戦略（電子・半導体分野）

88888

電子・半導体産業は超精密工程と複雑なサプライチェーンにより、データ基盤管理と革新が特に重要な分野です。この講義はAI技術を活用して不良検出、工程最適化、予知保全、サプライチェーン管理など電子・半導体製造業ですぐに適用できる実務戦略を扱います。グローバル企業の実際の事例とともに、中小・中堅企業が現実的に活用できる低コスト・高効率AI導入方法も提示します。これにより受講生は生産性向上とコスト削減だけでなく、未来競争力を備えるAI基盤製造戦略を理解し適用できるようになります。

입문

AI, Big Data, Generative AI

AIを活用した製造業分野の実務適用戦略（電子・半導体分野）

88888

[テンソルフロー2] Pythonマシンラーニング完全征服 - マラソン記録予測プロジェクト

nomad

ボストンマラソンのビッグデータに基づいて、PythonとTensorflow 2を利用して、多様で有用な機械学習回帰（Regression）と分類（Classification）プロジェクトを理論とともに学ぶ機械学習総合プロジェクトコースです。

중급이상

Tensorflow, Machine Learning(ML), Keras

[テンソルフロー2] Pythonマシンラーニング完全征服 - マラソン記録予測プロジェクト

nomad

Hướng dẫn hoàn chỉnh về CNN Deep Learning - Phiên bản TFKeras

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Tại sao tôi tạo ra khóa học này 😚

Lĩnh vực học sâu phát triển nhanh nhất, CNN

Những gì bạn sẽ học được trong bài giảng này

Bài giảng về học sâu trên CNN, kết thúc bằng bài giảng này.

Các tính năng của khóa học này

Hướng dẫn về Môi trường Thực hành

Bởi vì tôi biết nỗ lực của bạn có giá trị như thế nào.

Kwon Chul-min, người chia sẻ kiến ​​thức, loạt bài giảng về 'Học máy'

Những người gặp được Inflearn

Khuyến nghị cho những người này

Xin chàoĐây là .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Chương trình giảng dạy

Đánh giá

Khóa học khác của dooleyz3525

Khóa học tương tự

Kwon Chul-min, người chia sẻ kiến thức, loạt bài giảng về 'Học máy'

Khuyến nghị cho
những người này

Xin chào
Đây là