Computer Vision with GluonCV (German)

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

Asignaturas