|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/ittensive-python-machine-learning-neural/
课程评论：没有评论
**课程名称：** 机器学习：Python实现神经网络与深度学习 **课程概述：** 本课程将引导您深入理解并实践机器学习中的神经网络与深度学习技术，专注于使用Python进行图像处理任务。我们将通过一个Kaggle竞赛项目，逐步带领您完成云图像的分割与分类，从基础概念到最终模型构建，涵盖了多种先进的神经网络架构，包括但不限于卷积神经网络 (CNN)、金字塔网络 (Pyramid Networks)、残差网络 (ResNets) 和全连接网络 (Fully Connected Networks)。 **课程内容亮点：** **第一部分：机器学习基础理论与数据处理** * **数据处理流程：** 从任务定义和问题设定，到深入了解数据的工作流程。 * **机器学习模型构建：** 掌握最小化预测误差的关键技术。 * **机器学习基础：** 学习构建机器学习模型的基本原理，包括基础的线性回归与逻辑回归，以及关键的评估指标。 **第二部分：深度学习实践与高级模型** * **探索性数据分析 (EDA)：** 学习如何通过EDA发现数据中的潜在规律与关联。 * **模型评估指标：** 重点讲解F1分数和Dice系数等关键的精度评估指标。 * **数据预处理：** 掌握数据清洗和图像处理技术。 * **模型与数据管理：** 学习如何使用HDF5格式加载和保存模型与数据。 * **神经网络架构：** * **基础模型：** 双层和多层感知机。 * **卷积与池化：** 深入理解带卷积层和池化层的神经网络。 * **关键组件：** 学习激活函数、权重初始化和优化器的工作原理。 * **数据增强：** 掌握二值数据转换与数据增强技术。 * **经典模型：** 学习并实践LeNet, AlexNet, GoogLeNet, VGG, Inception, ResNet, DenseNet等经典深度学习模型。 * **图像分割：** 使用MobileNet, Unet, PSPNet, FPN等模型进行图像分割。 * **模型集成：** 学习构建和应用神经网络集成模型。 * **竞赛成果输出：** 掌握如何准备和提交Kaggle竞赛所需的最终结果。 **总结：** 本课程将为您提供一套完整的机器学习与深度学习解决方案，从新手入门到高级应用，通过实践项目，帮助您熟练掌握使用Python构建高性能图像处理模型的技能，并能在实际竞赛中取得优异成绩。
Мы разберем сегментацию и классификацию изображений облаков с помощью сверточных, пирамидальных, остаточных и полносвязных нейронных сетей в соревновании на Kaggle вплоть до формирования конечного результата.Курс разбит на 2 части. В первой части мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки. Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели - линейную и логистическую регрессии.Во второй части разберем на практических примерах:Проведение исследовательского анализа данных для поиска зависимостей: EDA.Метрики точности: оценка F1 и коэффициент Дайса.Очистка данных и обработка изображений.Загрузка и сохранение моделей и данных в HDF5.Двухслойный и многослойный перцептрон.Нейросети со сверточными слоями и слоями подвыборки.Функции активации, инициализация и оптимизаторы нейросетей.Преобразование и дополнение (аугментация) бинарных данных.LeNet, AlexNet, GoogLeNet.VGG, Inception, ResNet, DenseNet.Сегментация изображений с MobileNet, Unet, PSPNet и FPN.Ансамбль нейросетей.Выгрузка результата для соревнования на Kaggle.
