Een gestructureerde introductie tot neurale netwerken, CNN-intuïtie, voorgetrainde visiemodellen en transfer-learningpraktijken.
Ga van de rol van deep learning en neurale netwerkfamilies naar de basisprincipes van PyTorch, convolutionele structuur, voorgetrainde modellen en transfer learning. De laatste les biedt een begrensde projectcontext voor beeldclassificatie. Het materiaal wordt gepresenteerd via CampusX YouTube-demonstraties, dus leerlingen moeten raamwerk-API's en datasettermen verifiëren aan de hand van de huidige documentatie voordat ze een project implementeren.
Maak onderscheid tussen deep learning-benaderingen en bredere machine learning-workflows. Beschrijf welke convoluties op een intuïtief niveau bijdragen aan een beeldmodel. Vergelijk feature-extractie en fine-tuning als strategieën voor transfer learning. Plan een beeldclassificatie-experiment met een datasetsplitsing en foutbeoordeling.
Basiskennis van Python en inleidende kennis van machine learning zijn nuttig. Leerlingen moeten zich op hun gemak voelen bij het installeren van pakketten en het lezen van korte codevoorbeelden.
Beginners die een duidelijke, begeleide introductie zonder onnodig jargon willen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
7 lessen · Beginner · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.