In diesem 90-minütigen projektbasierten Kurs lernen Sie, wie Sie mit TensorFlow Modelle für neuronale Netzwerke erstellen. Konkret werden wir ein Modell eines neuronalen Netzwerks entwerfen, ausführen und auswerten, das einem Einzelhandelsunternehmen bei seiner Marketingkampagne helfen soll, indem es Bilder von Kleidungsstücken in 10 verschiedene Kategorien einteilt. In diesem Kurs werden Sie lernen, wie Sie mit TensorFlow neuronale Netzwerke erstellen und analysieren, die eine Klassifizierung mit mehreren Labels für Anwendungen in der Bilderkennung durchführen können. Sie werden auch in der Lage sein, die Hauptkomponenten neuronaler Netzwerke zu identifizieren und anzupassen sowie die Leistung verschiedener Modelle zu bewerten und Maßnahmen zur Verbesserung ihrer Genauigkeit zu implementieren. Am Ende des Projekts werden Sie in der Lage sein, Convolutional Neural Networks zu entwerfen und zu implementieren, die einem Einzelhandelsgeschäft bei seiner zielgerichteten Werbekampagne helfen, und die Modelle können leicht für selbstfahrende Autos, computergestützte medizinische Diagnosen usw. angepasst werden. Dieser Kurs richtet sich an Lernende, die dank der TensorFlow-Bibliothek mit einem intuitiven und effektiven Ansatz in den Entwurf und die Implementierung neuronaler Netze einsteigen möchten. Computeranwender mit Erfahrung in der Programmierung in Python sollten in der Lage sein, das Projekt erfolgreich abzuschließen.

CNNs mit TensorFlow: Grundlagen des maschinellen Lernens

CNNs mit TensorFlow: Grundlagen des maschinellen Lernens

Dozent: César Arturo Garza Garza
1.946 bereits angemeldet
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Anpassung der Hauptkomponenten neuronaler Netzwerke: Eingänge, Schichten, Gewichte und Aktivierungsfunktionen an die jeweilige Anwendung.
Verwenden Sie TensorFlow und Keras, um Convolutional Neural Networks für Bilderkennungsaufgaben zu entwerfen, zu implementieren und anzupassen.
Bewertung von Modellen neuronaler Netze und Messung ihrer Genauigkeit, ggf. Änderung der Parameter des Modells zur Verbesserung seiner Genauigkeit.
Kompetenzen, die Sie festigen
- Kategorie: Plot (Grafiken)
- Kategorie: Faltungsneuronale Netze
- Kategorie: Modell Ausbildung
- Kategorie: Problemlösung
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Tiefes Lernen
- Kategorie: Bildanalyse
- Kategorie: Matplotlib
- Kategorie: Künstliche neuronale Netze
- Kategorie: Modell-Optimierung
- Kategorie: Bewertung des Modells
- Kategorie: Anpassungsfähigkeit
Tools, die Sie verwenden werden
- Kategorie: Python-Programmierung
- Kategorie: Keras (Bibliothek für neuronale Netze)
- Kategorie: Tensorflow
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien

Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Verstehen der Hauptkomponenten neuronaler Netzwerke beim Maschinellen Lernen
Trainieren Sie Ihr erstes Neuronales Netz für die Klassifizierung von Bildern
Verbesserung der Genauigkeit neuronaler Netze durch versteckte Ebenen und verschiedene Optimierer
Übung Aktivität: Fine-Tuning eines Neuronalen Netzes und Verbesserung seiner Genauigkeit
Visualisierung von Trainingsdaten und Leistung des Modells
Erstellen eines Convolutional Neural Networks mit Conv2D und MaxPooling2D
Reduzieren Sie Überanpassung mit BatchNormalisierung, Dropout und L2-Regularisierung
Übung Aktivität: Erstellen alternativer Modelle für neuronale Netze, um Überanpassung zu vermeiden
CIFAR-10 Herausforderung der Klassifizierung
Empfohlene Erfahrung
Grundlegende Vertrautheit mit Python. Insbesondere das Importieren von Bibliotheken, das Definieren von Variablen, Arrays, Funktionen und Klassen sowie das Erstellen von Plots.
9 Projektbilder
Dozent

von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Ihnen könnte auch Folgendes gefallen:

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.





