«Машинное обучение: нейросети и глубокое обучение» [Центр digital-профессий ITtensive] | Нейросети - Обучение

Чему вы научитесь Распознавание формы облаков по фотографии Оценка F1 и критерий сходства Дайса Многослойный перцептрон Сверточные нейронные сети Функции активации, регуляризаторы и оптимизаторы Нормализация, отсев и дополнение изображений LeNet, AlexNet и GoogLeNet, Inception VGG, ResNet и DenseNet MobileNet, FPN, Unet, PSPNet Ансамбли нейросетей Требования Основы математической статистики Основы машинного обучения Продвинутый Python Мы разберем сегментацию и классификацию изображений облаков с помощью сверточных, пирамидальных, остаточных и полносвязных нейронных сетей в соревновании на Kaggle вплоть до формирования конечного результата. В этом курсе: Проведение исследовательского анализа данных для поиска зависимостей: EDA. Метрики точности: оценка F1 и коэффициент Дайса. Очистка данных и обработка изображений. Загрузка и сохранение моделей и данных в HDF5. Двухслойный и многослойный перцептрон. Нейросети со сверточными слоями и слоями подвыборки. Функции активации, инициализация и оптимизаторы нейросетей. Преобразование и дополнение (аугментация) бинарных данных. LeNet, AlexNet, GoogLeNet. VGG, Inception, ResNet, DenseNet. Сегментация изображений с MobileNet, Unet, PSPNet и FPN. Ансамбль нейросетей. Выгрузка результата для соревнования на Kaggle. Для кого этот курс: Аналитики Python, изучающие машинное обучение Программисты больших данных Исследователи больших данных