In diesem Kurs werden Sie mehr über Computer Vision als Studien- und Forschungsgebiet erfahren. Zunächst werden wir uns mit verschiedenen Computer Vision Aufgaben und vorgeschlagenen Ansätzen aus der klassischen Computer Vision Perspektive beschäftigen. Dann werden wir Deep Learning-Methoden einführen und sie auf einige der gleichen Probleme anwenden. Wir werden die Ergebnisse analysieren und die Vor- und Nachteile beider Arten von Methoden diskutieren. Anhand von Tutorials können Sie einige der modernen Tools und Softwarebibliotheken für maschinelles Lernen praktisch erkunden. Beispiele für Computer Vision-Aufgaben, bei denen Deep Learning zum Einsatz kommen kann, sind: Bildklassifizierung, Bildklassifizierung mit Lokalisierung, Objekterkennung, Objektsegmentierung, Gesichtserkennung und Aktivitäts- oder Posenschätzung. Dieser Kurs kann im Rahmen der CU Boulder-Abschlüsse MS in Data Science oder MS in Computer Science, die auf der Coursera-Plattform angeboten werden, angerechnet werden. Diese vollständig akkreditierten Studiengänge bieten gezielte Kurse, kurze 8-wöchige Sitzungen und kostenpflichtige Studiengebühren. Die Zulassung basiert auf den Leistungen in drei Vorkursen, nicht auf dem akademischen Werdegang. Die CU-Abschlüsse auf Coursera sind ideal für Hochschulabsolventen und Berufstätige. Erfahren Sie mehr:
Deep Learning-Anwendungen für Computer Vision
Deep Learning-Anwendungen für Computer Vision
Dozent: Ioana Fleming
8.810 bereits angemeldet
Bei enthalten
88 Bewertungen
Empfohlene Erfahrung
Was Sie lernen werden
Die Lernenden sind in der Lage zu erklären, was Computer Vision ist und Beispiele für Computer Vision Aufgaben zu nennen
Die Lernenden sind in der Lage, den Prozess hinter klassischen algorithmischen Lösungen für Computer Vision Aufgaben zu beschreiben und deren Vor- und Nachteile zu erklären.
Die Lernenden werden in der Lage sein, moderne Tools für maschinelles Lernen und Python-Bibliotheken praktisch zu nutzen.
Kompetenzen, die Sie erwerben
- Kategorie: Performance Tuning
- Kategorie: Computer Vision
- Kategorie: Applied Machine Learning
- Kategorie: Convolutional Neural Networks
- Kategorie: Artificial Neural Networks
- Kategorie: Image Analysis
- Kategorie: Model Evaluation
- Kategorie: Machine Learning
- Kategorie: Deep Learning
Werkzeuge, die Sie lernen werden
- Kategorie: Classification Algorithms
- Kategorie: Tensorflow
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
4 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
In diesem Kurs gibt es 5 Module
Auf einen Abschluss hinarbeiten
Dieses Kurs ist Teil des/der folgenden Studiengangs/Studiengänge, die von University of Colorado Boulderangeboten werden. Wenn Sie zugelassen werden und sich immatrikulieren, können Ihre abgeschlossenen Kurse auf Ihren Studienabschluss angerechnet werden und Ihre Fortschritte können mit Ihnen übertragen werden.¹
Dozent
Mehr von Maschinelles Lernen entdecken
University of Colorado Boulder
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Bewertungen von Lernenden
- 5 stars
76,13 %
- 4 stars
18,18 %
- 3 stars
3,40 %
- 2 stars
0 %
- 1 star
2,27 %
Zeigt 3 von 88 an
Geprüft am 16. Juni 2022
Learnt many things and most exciting was Python code part
Geprüft am 16. Juni 2022
Very good introduction but the practical exercises are so easy.
Geprüft am 24. Aug. 2024
Great content and clear, succinct explanations of the concepts!
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,