Machine Learning: Create a Neural Network that Predicts whether an Image is a Car or Airplane.

4.4
estrelas
61 classificações
oferecido por
Coursera Project Network
2,553 já se inscreveram
Neste projeto guiado, você irá:

  1. Complete a Neural Network Model that will be used to evaluate whether a Picture is an Airplane or Automobile.

Practice using One Hot Encoding to build a classifier.

Practice evaluating model performance.

Clock2 Hours
IntermediateIntermediário
CloudSem necessidade de download
VideoVídeo em tela dividida
Comment DotsInglês
LaptopApenas em desktop

In this 1-hour long project-based course, you will learn how to build a Neural Network Model using Keras and the MNIST Data Set. By the end of the course you will have built a model that will recognize the digits of hand written numbers. You will also be exposed to One Hot Encoding, Neural Network Architecture, Loss Optimizers and Testing of the Model's performance. Note: 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

Image ProcessingComputer VisionData AnalysisMachine Learning

Aprender passo a passo

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

  1. Task 1: In this task the Learner will be introduced to the Course Objectives, which is to how to execute a Neural Network using raw images from the Internet.

  2. Task 2: The Learners will get practice Loading Images.

  3. Task 3: The Learner will get experience pre-processing images using the EBImage package in R.

  4. Task 4: The Learner will reshape the images using a Keras function called array_reshape().

  5. Task 5: The Learner will get practice creating Testing and Training sets.

  6. Task 6: The Learner will then create a classifier using one hot encoding.

  7. Task 7: The Learner will then build out the architecture for the Neural Network. Rectified Linear Unit ("RELU") and SoftMax will be used.

  8. Task 8: The Learner will then build out a loss optimizer function using cross_entropy.

  9. Task 9: The Learner will test to see how the model performed using a Confusion Matrix.

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

Perguntas Frequentes – FAQ

Perguntas Frequentes – FAQ

  • Ao comprar projetos guiados, você recebe tudo o que precisa para completá-los, inclusive acesso a um espaço de trabalho de área de trabalho na nuvem por meio do seu navegador web, que contém o software e os arquivos necessários para iniciar, além de um vídeo de instruções passo a passo de um especialista no assunto.

  • Como seu espaço de trabalho tem uma área de trabalho na nuvem dimensionada para notebooks e computadores desktop, os projetos guiados não estão disponíveis para dispositivos móveis.

  • Os instrutores do projeto guiado são especialistas no assunto, têm experiência com a habilidade, a ferramenta ou o domínio do projeto e amam compartilhar seus conhecimentos para ajudar milhões de aprendizes do mundo todo.

  • Você pode baixar e manter todos os arquivos que foram criados para seu projeto guiado. Para fazer isso, você pode usar o recurso "Navegador de arquivos" enquanto acessa a área de trabalho na nuvem.

  • Reembolsos não estão disponíveis para projetos guiados. Consulte nossa política de reembolso completa.

  • Não há auxílio financeiro disponível para projetos guiados.

  • A participação como ouvinte não está disponível para projetos guiados.

  • Na parte superior da página, você pode clicar no nível de experiência deste projeto guiado para visualizar os pré-requisitos de conhecimento. Em cada nível dos projetos guiados, seu instrutor o guiará passo a passo.

  • Você aprenderá na prática ao completar tarefas em um ambiente com tela dividida, diretamente em seu navegador. No lado esquerdo da tela, você completa a tarefa no seu espaço de trabalho. No lado direito, você assiste a um instrutor que o guiará pelo projeto, passo a passo.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.