実際の画像およびシーケンス データを使用して、ディープ ニューラル ネットワークの理論と実践について学習します。
コースの概要を確認します。事前学習済みのネットワークを使用してイメージの分類を実行します。転移学習を使用してカスタマイズされた分類ネットワークに学習させます。
イメージ データがネットワークを通過する過程を可視化することによって、ネットワークの動作を把握します。この手法をさまざまなイメージに適用します。
畳み込みネットワークをゼロから構築します。ネットワークの層の間で情報がどのように受け渡しされ、さまざまな種類の層がどのように機能するかを理解します。
学習アルゴリズムの機能を理解します。学習オプションを設定して学習の監視と制御を行います。
学習オプション、ネットワーク アーキテクチャ、または学習データに対する変更を選択して実装し、ネットワークのパフォーマンスを改善します。
連続的な数値応答を予測できる畳み込みネットワークを作成します。
イメージ内の特定のオブジェクトの位置を検出してラベル付けするようにネットワークに学習させます。
ネットワークを構築し、時系列やセンサー データなどの順序付けられたデータのシーケンスに対して分類を実行するように学習させます。
再帰型ネットワークを使用して、テキストなどの categorical データのシーケンスを分類します。
再帰型ネットワークを使用して、予測のシーケンスを作成します。
次のステップを確認し、コースについてのフィードバックをお願いします。
形式: 自己学習形式
言語:日本語
データ解析、モデル化、プログラミングにおける MATLAB の主な機能について学習します。
最短でディープ ラーニングを使用した画像認識技術を学習します。
データを探索し、予測モデルを作成する方法について学習します。
最短で MATLAB の基礎を学習します。
データ解析、モデル化、プログラミングにおける MATLAB の主な機能について学習します。
最短でディープ ラーニングを使用した画像認識技術を学習します。