مدل‌سازی تصویر با Keras

یادگیری استفاده از شبکه‌های عصبی کانولوشنی در پایتون

مدل‌سازی تصویر اغلب به روش‌های یادگیری عمیق نیاز دارد که از داده‌ها برای آموزش الگوریتم‌های شبکه عصبی جهت انجام وظایف مختلف یادگیری ماشین استفاده می‌کنند. شبکه‌های عصبی کانولوشنی (CNNs) نوعی بسیار قدرتمند از شبکه‌های عصبی هستند که از آن‌ها برای طبقه‌بندی انواع مختلف آبجکت ها در تحلیل تصاویر استفاده می‌شود. این دوره چهار ساعته به شما آموزش می‌دهد که چگونه با استفاده از Keras، شبکه‌های CNN را بسازید، آموزش دهید و ارزیابی کنید.

تبدیل تصاویر به داده و آموزش شبکه‌های عصبی برای طبقه‌بندی آن‌ها، بخشی چالش‌برانگیز از یادگیری عمیق با کاربردهای گسترده در تجارت و پژوهش است؛ از کمک به یک سایت تجارت الکترونیک برای مدیریت آسان‌تر موجودی گرفته تا امکان تشخیص سریع ملانوم خطرناک برای پژوهشگران سرطان.

کشف شبکه‌های CNN در Keras

فصل اول این دوره چگونگی نگاه به تصاویر به عنوان داده را پوشش می‌دهد و این که چگونه می‌توان از Keras برای آموزش یک شبکه عصبی جهت طبقه‌بندی آبجکت های موجود در تصاویر استفاده کرد.

فصل دوم به کانولوشن‌ها که بخشی اساسی از CNNها هستند، می‌پردازد. شما خواهید آموخت که آن‌ها چگونه بر روی داده‌های تصویری عمل می‌کنند و چگونه می‌توان با استفاده از داده‌ آزمون، شبکه CNN خود در Keras را آموزش داده و تنظیم کرد. فصول بعدی با جزئیات بیشتر، چگونگی ایجاد یک شبکه یادگیری عمیق را آموزش می‌دهند.

شبکه عصبی Keras خود را بسازید.

در پایان دوره، روش‌های مختلف ردیابی عملکرد یک شبکه CNN و چگونگی بهبود آن را خواهید آموخت. در این مرحله، شما قادر خواهید بود شبکه‌های عصبی Keras را بسازید، بهینه‌سازی کنید و پاسخ‌های آن‌ها را در طیف وسیعی از کاربردها مصورسازی نمایید.