Welcome2KI Teil 3: KI Deep Learning Projekte selbst umsetzen
PyTorch und fastai ermöglichen einen state-of-the-art Deep Learning Klassifizierer mit nur 8 Zeilen Code. Unvorstellbar?
4.72 (16 reviews)
172
students
8 hours
content
May 2021
last update
$19.99
regular price
What you will learn
Umsetzung eines Bildklassifizierers mit dem fastai Framework und PyTorch
Aufbau eines individuellen Bilddatensets für unser Deep Learning System
Implementierung eines individuellen Biildklassifizierers end-2-end.
Wir generieren das Datenset, erstellen das Modell und fügen mit voila ein graphisches Userface hinzu. Im Anschluß erfolgt das kostenfreie Deployment im Web.
Wie kann ich vom dem Thema Data Augmentation profitieren? Wie hilft das fastai Framework bei kleinen Datensets?
Einsatz und Verwendung der google colab Plattform, um mithilfe einer kostenfreien GPU schnell neuronale Netze trainieren zu können.
Woher kommt die Idee neuronaler Netze? Wie sind neuronale Netze aufgebaut?
Worin liegt der große Vorteil von neuronalen Netzen?
Worin besteht der Unterschied zwischen einer Metrik und einer loss-Funktion?
Was ist das Approximations-Theorem? Etwas Mathematik, leicht verständlich erklärt.
In-Depth Analyse. Was passiert hinter den Kulissen von fastai? Wir implementieren sämtliche Schritte mit purem Python nach!
Warum kann ich Deep Learning Modelle auch für Datensets mit nur wenigen Elementen einsetzen?
Was genau bedeutet das Konzept "Transfer-Learning" und wie kann ich es für einen Bild-Klassifizierer nutzen?
Wie funktioniert der (Stochastic) Gradient Descent Algorithmus? Wie kann ich diesen mit reinem Python Code implementieren?
Was genau ist ein Multi-Label Klassifizierer und wie baue ich eine solche Architektur selbst mithilfe von PyTorch und fastai?
Was verbirgt sich hinter dem Begriff "Image Regression"?
Wir implementieren ein Modell, das die Koordinaten der Mitte des Gesichts auf einem Portraitfoto errechnet.
Screenshots
Related Topics
3534140
udemy ID
9/29/2020
course created date
11/10/2020
course indexed date
Bot
course submited by