Kom i kontakt
 Varaktighet 21 timmar

Kursplan

Introduktion till datavy

  • Översikt över tillämpningar av datavy
  • Förståelse av bilddata och format
  • Utmaningar inom uppgifter för datavy

Introduktion till konvolutionella neurala nätverk (CNN:er)

  • Vad är CNN:er?
  • Arkitektur för CNN:er: Konvolutionella lager, poolning och fullt kopplade lager
  • Sådan hur CNN:er används inom datavy

Hands-on med TensorFlow och Google Colab

  • Inställning av miljön i Google Colab
  • Användning av TensorFlow för modellbyggnad
  • Byggandet av en enkel CNN-modell i TensorFlow

Avancerade CNN-tekniker

  • Överföringslärning för CNN:er
  • Finställning av förtränade modeller
  • Dataaugmenteringstekniker för förbättrad prestanda

Bildförbehandling och augmentering

  • Bildförbehandlingstekniker (skalning, normalisering, etc.)
  • Augmentering av bilddata för bättre modellträning
  • Användning av TensorFlows bild datapipeline

Byggande och implementering av datavymodeller

  • Träning av CNN:er för bildklassificering
  • Utvärdering och validering av modellprestanda
  • Implementering av modeller i produktionsmiljöer

Verkliga tillämpningar av datavy

  • Datavy inom hälso- och sjukvård, handel och säkerhet
  • AI-driven objektdetektering och igenkänning
  • Användning av CNN:er för ansikts- och gest igenkänning

Krav

  • Erfarenhet av Python-programmering
  • Förståelse för djup lärandeskoncept
  • Grundläggande kunskaper om konvolutionella neurala nätverk (CNN:er)

Målgrupp

  • Datavetare
  • Praktiker inom AI

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier