Computer Vision with GluonCV

Resumen

En este curso, construirás una comprensión útil de los componentes de una red neuronal convolucional (CNN) como las convoluciones y las capas de agrupamiento, etc. En este curso, Alex Smola y Tong He muestran cómo implementar algunas técnicas de visión por computadora usando GluonCV, un kit de herramientas de visión por computadora.

Público Objetivo

Este curso está dirigido a:

• Desarrolladores que buscan implementar modelos comunes de visión por computadora

Objetivos del Curso

En este curso, aprenderás a:

• Resumir varios componentes de redes neuronales convolucionales como convoluciones, padding y canales
• Traducir los componentes a código al crear una red neuronal como LeNet
• Importar tus datos en un Gluon Data Loader para entrenamiento y transformación

Requisitos Previos

Recomendamos que los asistentes a este curso tengan los siguientes requisitos previos:

• Una comprensión básica de las redes neuronales artificiales
• Una comprensión básica de temas de Álgebra Lineal como matrices, multiplicación de matrices y productos punto

Método de Entrega

Este curso se imparte a través de:

• Entrenamiento digital

Duración

• 2 horas

Plan del Curso

Este curso cubre los siguientes conceptos:

• Convoluciones
• Padding y stride
• Canales
• Agrupamiento
• LeNet
• Funciones de activación
• DropOut
• Normalización por lotes
• Bloques
• La maldición de la última capa
• Redes residuales
• Procesamiento de datos

Universidad:

Proveedor:

AWS Skill Builder.

Categorías:

Cursos de Visión por Computadora, Cursos de Amazon Web Services (AWS).

Asignaturas