Visione artificiale con GluonCV (Italiano) | Computer Vision with GluonCV (Italian)

Nota: questo corso non sarà più disponibile dal giorno 11/29/2023. Se desideri completare il corso, dovrai farlo prima di questa data. Al momento non è presente un corso sostitutivo.

In questo corso, scoprirai come sviluppare un'utile comprensione dei componenti di una rete neurale convoluzionale (CNN) come le convoluzioni e i livelli di pooling, ecc. In questo corso, Alex Smola e Tong He mostrano come implementare alcune tecniche di visione artificiale utilizzando GluonCV, un kit di strumenti di visione artificiale.

Nota: questo corso fornisce trascrizioni/sottotitoli localizzati. La narrazione è in inglese.Per visualizzare i sottotitoli, fare clic sul pulsante CC nell'angolo in basso a destra del lettore.

Destinatari principali

Questo corso è destinato a:

• Sviluppatori che puntano a implementare modelli comuni di visione artificiale

Obiettivi del corso

In questo corso, imparerai a:

• Riepilogare vari componenti della rete neurale convoluzionale come convoluzioni, padding e canali    
• Tradurre i componenti in codice durante la creazione di una rete neurale come LeNet     
• Importare i tuoi dati in un Gluon Data Loader per l'addestramento e la trasformazione

Prerequisiti

È consigliabile che i partecipanti a questo corso soddisfino i seguenti prerequisiti:

• Una comprensione di base delle reti neurali artificiali     
• Una comprensione di base degli argomenti di algebra lineare come matrici, moltiplicazione di matrice e prodotti scalari

Tipo di corso

Il corso viene offerto mediante:

• Formazione digitale

Durata

2 ore

Riepilogo del corso

Il corso copre i seguenti argomenti:

• Convoluzioni     
• Padding e stride    
• Canali     
• Pooling    
• LeNet     
• Funzioni di attivazione    
• Dropout     
• Normalizzazione in batch    
• Blocchi     
• Il problema dell'ultimo livello    
• Reti residue     
• Elaborazione dati