Apprentissage automatique : Vision par ordinateur moderne et IA générative

Aperçu

Use KerasCV, Python, Tensorflow, PyTorch, & JAX for Image Recognition, Object Detection, and Stable Diffusion What you'll learn:

Computer vision with KerasCVHow to do image classification / image recognition with a pretrained model and fine-tuning / transfer learningHow to do object detection with a pretrained model and fine-tuning / transfer learningHow to generate images with Stable Diffusion in KerasCV Welcome to "Machine Learning:

Modern Computer Vision & Generative AI," a cutting-edge course that explores the exciting realms of computer vision and generative artificial intelligence using the KerasCV library in Python. This course is designed for aspiring machine learning practitioners who wish to explore the fusion of image analysis and generative modeling in a streamlined and efficient manner.Course Highlights:

KerasCV Library:

We start by harnessing the power of the KerasCV library, which seamlessly integrates with popular deep learning backends like Tensorflow, PyTorch, and JAX.

KerasCV simplifies the process of writing deep learning code, making it accessible and user-friendly.Image Classification:

Gain proficiency in image classification techniques. Learn how to leverage pre-trained models with just one line of code, and discover the art of fine-tuning these models to suit your specific datasets and applications.Object Detection:

Dive into the fascinating world of object detection.

Master the art of using pre-trained models for object detection tasks with minimal effort. Moreover, explore the process of fine-tuning these models and learn how to create custom object detection datasets using the LabelImg GUI program.Generative AI with Stable Diffusion:

Unleash the creative potential of generative artificial intelligence with Stable Diffusion, a powerful text-to-image model developed by Stability AI.

Explore its capabilities in generating images from textual prompts and understand the advantages of KerasCV's implementation, such as XLA compilation and mixed precision support, which push the boundaries of generation speed and quality.Course Objectives:

Develop a strong foundation in modern computer vision techniques, including image classification and object detection.Acquire hands-on experience in using pre-trained models and fine-tuning them for specific tasks.Learn to create custom object detection datasets to tackle real-world problems effectively.Unlock the world of generative AI with Stable Diffusion, enabling you to generate images from text with state-of-the-art speed and precision.Enhance your machine learning skills and add valuable tools to your toolkit for various applications, from computer vision projects to generative art and content generation.Join us on this captivating journey into the realms of modern computer vision and generative AI. Whether you're a seasoned machine learning practitioner or just starting, this course will equip you with the knowledge and skills to tackle complex image analysis and creative AI projects with confidence.

Explore the cutting-edge possibilities that KerasCV and Stable Diffusion offer, and bring your AI aspirations to life.Prerequisites:

Basic knowledge of machine learning and Python programming. Familiarity with deep learning concepts is beneficial but not mandatory.

Programme

• Introduction à la vision par ordinateur moderne et à l'IA générative
Aperçu des objectifs et de la structure du cours
Introduction à KerasCV et son intégration avec Tensorflow, PyTorch et JAX
• Bases de la bibliothèque KerasCV
Configuration de l'environnement et installation des bibliothèques nécessaires
Introduction aux fonctionnalités et avantages de KerasCV
Comprendre les systèmes de backend : Tensorflow, PyTorch, JAX
• Techniques de classification d'images
Introduction à la classification et la reconnaissance des images
Utilisation de modèles pré-entraînés avec KerasCV pour la classification d'images
Ajustement fin et apprentissage par transfert pour des ensembles de données et applications spécifiques
• Détection d'objets
Introduction à la détection d'objets et ses applications dans le monde réel
Utilisation de modèles pré-entraînés pour la détection d'objets
Ajustement fin des modèles pour des tâches spécifiques de détection d'objets
Création de jeux de données de détection d'objets personnalisés avec LabelImg
• IA générative avec Stable Diffusion
Introduction à la génération de texte en image avec Stable Diffusion
Comprendre les capacités et le fonctionnement interne de Stable Diffusion
Utilisation de KerasCV pour l'implémentation et l'amélioration de la génération d'images
Exploration de la compilation XLA et du support de précision mixte dans KerasCV
• Mise en œuvre pratique et projets pratiques
Exercices pas à pas pour la classification d'images
Projet de détection d'objets utilisant des jeux de données personnalisés et publics
Projets créatifs avec l'IA générative
• Conclusion du cours
Récapitulatif des concepts et techniques appris
Suggestions pour des lectures et explorations supplémentaires
Q&R final et discussion sur les tendances futures en IA et vision par ordinateur
• Ressources supplémentaires
Lectures recommandées et ressources en ligne
Accès à la documentation de KerasCV et Stable Diffusion
• Évaluation et certification
Quiz du cours et travaux pratiques
Critères et processus pour obtenir le certificat de fin de cours

---

Enseigné par

Lazy Programmer Inc. and Lazy Programmer Team

---

Matières

Computer Science