regarder maintenant
3 Etudiants
58 Leçons
Débutant

Qu'est-ce que vous allez apprendre ?

  • Apprenez à utiliser PyCharm, exécutez des fichiers et des programmes Python sur l'interface Apprenez à utiliser le Machine Learning et les réseaux de neurones avec des exemples Comprendre les principes de la programmation Python Apprendre à identifier les erreurs de programmation Comprendre le jeu de données de reconnaissance d'images CIFAR-10

Curriculum

8h 44m
Section 1: Apprendre à utiliser PyCharm
45:07
Section 2: Apprendre les bases du langage Python
1:49:46
Variables Syntaxe Et Types De Base
08:33
Les Opérations sur les variables
09:29
Tuples et Listes
11:54
Les dictionnaires
06:36
Les expressions if
10:03
Les Boucles While et For
10:43
Fonction implémentation et exécution
10:05
Paramètres et valeurs de retour
07:47
Introduction aux classes et objets
12:40
Sous-classes et super-classes
13:06
Résumé et Outro
03:37
Section 3: Comprendre les réseaux de neurones d'apprentissage automatique
1:04:20
Intro jour 3
02:01
Introduction à l'apprentissage automatique
11:23
Introduction à l'apprentissage automatique (Partie 1)
06:13
Introduction à l'apprentissage automatique (Partie 2)
05:35
Introduction aux réseaux de neurones
10:23
Introduction aux convolutions
14:10
Introduction aux convolutions (Partie 1)
07:15
Introduction aux convolutions (Partie 2)
07:20
Section 4: Explorer l'API Keras
1:17:04
Intro jour 4
01:49
Intro à Tensorflow et Keras
09:06
Comprendre la syntaxe de Keras
19:13
Comprendre la syntaxe de Keras (Partie 1)
09:14
Comprendre la syntaxe de Keras (Partie 2)
10:24
Introduction aux fonctions d'activation
13:26
Introduction aux fonctions d'activation (Partie 1)
05:59
Introduction aux fonctions d'activation (Partie 2)
07:53
Section 5: Formater les jeux de données et examiner l'ICRA 10
58:25
Intro jour 5
01:53
Exploration du jeu de données CIFAR10
08:36
Comprendre des points de données spécifiques
17:43
Comprendre des points de données spécifiques (Partie 1)
08:48
Comprendre des points de données spécifiques (Partie 2)
09:21
Formatage des images d'entrée
12:04
Section 6: Construire le modèle de classificateur d'image
1:35:13
Intro jour 6
02:23
Construire le modèle
18:18
Construire le modèle (Partie 1)
09:28
Construire le modèle (Partie 2)
09:16
Compiler et former le modèle
12:38
Compiler et former le modèle (Partie 1)
06:35
Compiler et former le modèle (Partie 2)
06:29
Algorithme du gradient et optimiseurs
14:50
Algorithme du gradient et optimiseurs (Partie 1)
06:57
Algorithme du gradient et optimiseurs (Partie 2)
08:19
Section 7: Enregistrer et charger des modèles formés
1:15:00
Intro jour 7
02:08
Enregistrement et chargement du modèle sur H5
15:20
Enregistrement et chargement du modèle sur H5 (Partie 1)
07:43
Enregistrement et chargement du modèle sur H5 (Partie 2)
08:03
Enregistrement du modèle dans un fichier Protobuf
17:50
Enregistrement du modèle dans un fichier Protobuf (Partie 1)
08:36
Enregistrement du modèle dans un fichier Protobuf (Partie 2)
09:40
Résumé BootCamp
05:40

Description

Prérequis

  • Il n'y a pas d'exigences

A propos de l'instructeur

Les avis 12
Les étudiants 730
Les cours 32

Avis sur la plateforme BitDegree

Nos étudiants disent Excellent
9.5 sur 10
trustpilot logo 1 trustpilot logo