Image Classification with CNNs using Keras

4.4
estrelas

545 classificações

oferecido por

12.462 já se inscreveram

Neste projeto guiado, você irá:
1 hour
Intermediário
Sem necessidade de download
Vídeo em tela dividida
Inglês
Apenas em desktop

In this 1-hour long project-based course, you will learn how to create a Convolutional Neural Network (CNN) in Keras with a TensorFlow backend, and you will learn to train CNNs to solve Image Classification problems. In this project, we will create and train a CNN model on a subset of the popular CIFAR-10 dataset. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your Internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with (e.g. Python, Jupyter, and Tensorflow) pre-installed. Prerequisites: In order to be successful in this project, you should be familiar with python and convolutional neural networks. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Habilidades que você desenvolverá

  • CNN

  • Deep Learning

  • Machine Learning

  • Computer Vision

  • keras

Aprender passo a passo

Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:

Como funcionam os projetos guiados

Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download

Em um vídeo de tela dividida, seu instrutor te orientará passo a passo

Instrutores

Avaliações

Principais avaliações do IMAGE CLASSIFICATION WITH CNNS USING KERAS

Visualizar todas as avaliações

Perguntas Frequentes – FAQ