Resumen
En este curso obtendrás 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 computador con GluonCV, una herramienta para visión por computador.
Nota: Este curso cuenta con transcripciones/subtítulos localizados. La conferencia es en inglés. Para mostrar los subtítulos, haz clic en el botón CC en la esquina inferior derecha del reproductor.
Público objetivo
Este curso está diseñado para los siguientes públicos:
- Desarrolladores que desean implementar modelos comunes de visión por computadora
Objetivos del curso
Contenido de este curso:
- Resumir los diferentes componentes de una Red Neuronal Convolucional como convoluciones, relleno y canales
- Traducir los componentes en código al crear una red neuronal como LeNet
- Importar datos en un Cargador de Datos Gluon para entrenamiento y transformación
Requisitos
Recomendamos que los participantes de este curso cumplan con los siguientes requisitos:
- Una comprensión básica de las redes neuronales artificiales
- Una comprensión básica de temas de álgebra lineal como matrices, multiplicación de matrices y productos escalares
Método de enseñanza
Este curso se ofrece como:
- Entrenamiento digital
Duración
2 horas
Contenido del curso
En este curso se tratarán los siguientes conceptos:
- Convoluciones
- Relleno y paso
- Canales
- Agrupamiento
- LeNet
- Funciones de activación
- Abandono (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 Computador, Cursos de Álgebra Lineal, Cursos de GluonCV
Programa de estudio
Enseñado por
Etiquetas
AWS Skill Builder
AWS Skill Builder
411 Cursos
AWS Skill Builder
Free Certificate
German
2 hours
On-Demand
