🔥$100K Hit! Where Will Bitcoin Go Next? Find Out Live!
regarder maintenant
34 Etudiants

Description

Qu'est-ce que vous allez apprendre ?

  • Apprenez à coder comment le code PROs - pas seulement copier et coller Construire de vrais projets - Vous pourrez construire des projets qui vous aideront à conserver ce que vous avez appris Construire des applications impressionnantes qui peuvent faire des prédictions Construire des applications étonnantes qui peuvent classer l'écriture humaine

Prérequis

  • Doit avoir un ordinateur avec OSX ou macOS dessus
  • NFT Certificate
  • 42 Leçons
  • Débutant
  • English
  • 4.7 Note
  • +100 XP

Share Course on Social media

Curriculum

Course consist of total 6h 52m of content, in total.

Section 2: Les bases du python
37:28
Fonctions, conditions et boucles en Python
09:50
Tableaux et Tuples en Python
13:52
Importation de modules en Python
05:22
Section 3: Construire un modèle de classification
1:07:44
Introduction au jeu de données Iris
03:28
Jeux de données: caractéristiques et étiquettes expliquées
07:39
Chargement du jeu de données Iris / Examen et préparation des données
09:27
Création / formation d'un classificateur KNevaleurs
09:42
Tester l'exactitude des prévisions avec les données de test
12:08
Construire notre propre KNeothersClassifier
18:00
Qu'est-ce que scikit-learn- Pourquoi l'utiliser-
03:52
Installation de scikit-learn & scipy avec Anaconda
03:28
Section 4: Construire un réseau de neurones convolutifs
2:02:06
Qu'est-ce que Keras? Pourquoi l'utiliser?
08:01
Qu'est-ce qu'un réseau de neurones convolutifs (CNN)?
26:30
Installer Keras avec Anaconda
04:38
Préparation du jeu de données pour un CNN
17:38
Construire / Visualiser un CNN avec Sequential: Part 1
14:07
Construire / Visualiser un CNN avec Sequential: Partie 2
19:40
Formation CNN / Evaluation de la précision / Sauvegarde sur disque
17:53
Basculement d’environnements Python / Conversion en modèle ML principal
13:39
Section 5: Construire une application de reconnaissance de l'écriture manuscrite
1:13:39
Intro to App - Écriture manuscrite
02:56
Interface de bâtiment / câblage
11:42
Dessin à l'écran
21:01
Importation de métadonnées de modèle ML de base / de lecture
05:16
Utilisation de la ML / vision de base pour faire des prévisions
17:31
Gestion / affichage des résultats de prévision
15:13
Section 6: Principes de base du ML
1:20:37
Introduction à l'application - Analyse de photos ML de base
04:25
Qu'est-ce que l'apprentissage automatique?
07:46
Qu'est-ce que Core ML?
05:03
Création d'un projet Xcode
02:43
Création d'ImageVC dans Interface Builder / Câblage
07:40
Création d'ImageCell & Subclass / Wiring Up
08:13
Création d'un fichier d'aide FoodItems
07:02
Création de la grille 3x3 personnalisée UICollectionViewFlowLayout
09:12
Choisir, télécharger et importer un modèle de base ML
05:18
Passage d'images à travers le modèle de base ML
12:18
Traitement des résultats de prévision de base ML
09:42
Défi - Analyse photo de base ML
01:15

Avis sur la plateforme BitDegree