Deep Learning Onramp


 

Zugriff auf MATLAB über Ihren Webbrowser

 

Vertiefende Video-Tutorials

 

Praktische Übungen mit automatisierten Bewertungen und Feedback

 

Lektionen auf Englisch und Japanisch verfügbar


Wählen Sie eine Lektion für den Einstieg


1.

Einleitung

Machen Sie sich mit den Konzepten des Deep Learning und mit dem Kurs vertraut.

  • Deep Learning für die Bilderkennung
  • Überblick über den Kurs

2.

Verwendung vortrainierter Netze

Führen Sie Bildklassifikationen mit einem Netz durch, das bereits erstellt und trainiert wurde.

  • Kursbeispiel – Identifizieren von Objekten in Bildern
  • Vorhersagen treffen
  • CNN-Architektur (Convolutional Neural Network)
  • Vorhersagen untersuchen
  • Datastores für Bilder

3.

Verwalten von Datensammlungen

Importieren Sie Ordner mit Bildern und machen Sie diese für ein bestimmtes Netzwerk verwendbar.

  • Bild-Datenspeicher
  • Vorbereiten von Bildern zur Verwendung als Eingabe
  • Verarbeiten von Bildern in einem Datenspeicher
  • Erstellen Sie einen Datenspeicher mit Unterordnern

4.

Durchführung von Transfer Learning

Verwenden Sie neue Daten, um ein vortrainiertes Netzwerk zu verändern und Bilder neu zu klassifizieren.

  • Was ist Transfer Learning?
  • Erforderliche Komponenten für Transfer Learning
  • Aufbereitung von Trainingsdaten
  • Verändern von Netzwerkschichten
  • Festlegen von Trainingsoptionen
  • Trainieren des Netzwerks
  • Bewertung der Leistung
  • Transfer Learning: Zusammenfassung

Verwandte Kurse

Deep Learning mit MATLAB

Erfahren Sie mehr über die Theorie und Praxis des Erstellens von tiefen neuronalen Netzen mit realen Bild- und Sequenzdaten.

Machine Learning mit MATLAB

Untersuchen Sie Daten und erstellen Sie prädiktive Modelle.

MATLAB Grundlagen

Die wichtigsten MATLAB-Funktionen für Datenanalysen, Modellerstellung und Programmierung.