Computer Vision with GluonCV (Japanese)

Resumen

＊Este curso contiene subtítulos en japonés en los videos. Para mostrar los subtítulos, haga clic en el ícono debajo de la pantalla del video.

Descripción

En este curso, profundizarás en la comprensión de componentes de redes neuronales convolucionales (CNN) como capas de convolución y pooling.

Alex Smola y Tong He presentarán cómo implementar tecnología de visión por computadora utilizando GluonCV, un kit de herramientas de visión por computadora.

Audiencia

Este curso está dirigido a:

• Desarrolladores interesados en implementar modelos generales de visión por computadora.

Objetivos del curso

En este curso, aprenderás a:

• Explicar varios componentes de redes neuronales convolucionales como convolución, padding y canales.
• Convertir componentes en código al crear redes neuronales como LeNet.
• Importar datos al Gluon Data Loader para entrenamiento y transformación.

Requisitos previos

Se recomienda que los participantes de este curso cumplan con los siguientes requisitos previos:

• Comprensión básica de redes neuronales artificiales.
• Comprensión básica de álgebra lineal, incluidas matrices, multiplicación de matrices y producto punto.

Formato del curso

Este curso se llevará a cabo en el siguiente formato:

• Entrenamiento digital.

Duración

2 horas.

Descripción del curso

Este curso cubrirá los siguientes conceptos:

• Convolución
• Padding y Stride
• Canales
• Poolling
• 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 Álgebra Lineal, Cursos de GluonCV

Asignaturas