Resumen
Descripción
En este curso, obtendrá conocimientos útiles sobre los componentes de una red neuronal convolucional (CNN), como las convoluciones y las capas de agrupación, entre otros. Alex Smola y Tong He muestran cómo implementar algunas técnicas de visión artificial con GluonCV, un conjunto de herramientas de visión artificial.
Nota: Este curso tiene transcripciones o subtítulos localizados. La narración está en inglés. Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha del reproductor.
Público objetivo
Este curso está dirigido a los siguientes destinatarios:
- Desarrolladores que buscan implementar modelos comunes de visión artificial.
Objetivos del curso
En este curso, aprenderá a realizar lo siguiente:
- Resumir varios componentes de la red neuronal convolucional, como las convoluciones, el relleno y los canales.
- Traducir los componentes a código en el momento de crear una red neuronal como LeNet.
- Importar sus datos a un cargador de datos de Gluon para su entrenamiento y transformación.
Requisitos previos
Recomendamos que los asistentes a este curso cumplan con los siguientes requisitos previos:
- Conocimientos básicos sobre las redes neuronales artificiales.
- Conocimientos básicos sobre temas de álgebra lineal como matrices, multiplicación de matrices y productos escalares.
Modalidad del curso
Este curso se imparte de la siguiente manera:
- Capacitación digital.
Duración
2 horas.
Esquema del curso
En este curso, se tratarán los siguientes conceptos:
- Convoluciones
- Relleno y paso
- Canales
- Agrupación
- LeNet
- Funciones de activación
- Dropout
- Normalización por lotes
- Bloques
- La maldición de la última capa
- Redes residuales
- Procesamiento de datos
University:
Provider:
Categories: Cursos de Visión por Computadora, Cursos de GluonCV
