展示你在使用 Keras 和 PyTorch 构建深度学习模型以解决实际图像分类问题方面的实践技能
展示您在设计和实施完整的 Deep Learning 管道（包括数据加载、Augmentation 和模型 Validation）方面的专业知识
突出您将 CNN 和视觉变换器应用于特定领域挑战（如地理空间土地分类）的实践技能
通过模型评价有效宣传项目成果
本 Modulation 通过介绍您将参与的真实案例研究，为您的毕业设计项目奠定基础。它还强调了基本的先决条件，包括深度学习开发所需的关键概念和工具。您将探索数据处理和 Augmentation，并准备好本地开发环境。通过使用地理空间图像数据的实践实验，您将构建一个自定义地理疆域数据 Load 系统，并获得基于内存和基于生成器的数据加载经验。该 Modulation 还介绍了 Keras 和 PyTorch 工作流程，为后面模块中的高级模型开发奠定基础。
2个视频1篇阅读材料4个作业3个应用程序项目4个插件
在本 Modulation 中，您将深入了解卷积神经网络在图像分类任务中的实际应用。您将以农业用地分类使用案例为重点，使用 Keras 和 PyTorch 构建和训练 CNN 模型。通过动手实验，您将获得在每个框架中构建和优化模型的经验。Modulation 最后会对两种方法进行比较分析，帮助您了解模型性能、训练效率和部署注意事项方面的权衡。在本模块结束时，您将能够针对给定问题选择正确的框架，并使用实际的评估指标来证明您的设计决策是正确的。
1个视频4个作业3个应用程序项目5个插件
在本 Modulation 中，您将探索视觉转换器，这是一种前沿的深度学习架构，最初是为自然语言 Processing 开发的，现在正在改变计算机视觉领域。您将学习如何将迁移学习应用于视觉变换器，以完成真实世界的图像分类任务。您将使用 PyTorch 和 Keras 框架，在实际场景中实现、微调和比较视觉变换器模型。您将对基于 Keras 和基于 PyTorch 模型的视觉变换器性能进行比较评估。
1个视频4个作业3个应用程序项目4个插件
在本 Modulation 中，您将最终提交整个课程中完成的所有实验，以供评估。您提交的材料将获得 AI 评分。最后，我们将通过强调主要收获和概述下一步来结束课程。
1个视频3篇阅读材料1个应用程序项目1个插件
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
Emory University
DeepLearning.AI
670 条评论
70.32%
18.39%
6.08%
2.67%
2.52%
显示 3/670 个
已于 Jun 13, 2023审阅
Course is very good and easy to understand, Instructors have put in a lot of efforts to design the course, five stars from my side
已于 Nov 17, 2020审阅
AI Capstone project was really Interesting. I learned a lot during project. Thanks Team
已于 May 22, 2020审阅
A very nice project based course to get hands on experience with deep learning and transfer learning.
毕业设计使您能够在实际环境中应用您的技能，从而展示您解决复杂问题的能力，并向雇主证明您已经做好了就业准备。
毕业设计项目可以增强你的自信心，让你有机会创造出一个看得见、摸得着的真实案例，向潜在雇主展示，并在面试中谈及，以展示你的实践经验。
完成这个毕业设计项目将为您提供一个具体的技能实例，您可以向招聘经理证明您的实践经验和解决问题的能力。
提供助学金，
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。
中
