Python - Konvoluční neuronové sítě | Počítačová škola GOPAS

PYTHON_ML_CNN
Délka 5 dní
50 ITK bodů
3 termíny
Praha (28 000 Kč)

Brno (28 000 Kč)

Bratislava (1 200 €)
Mírně pokročilý

Konvoluční sítě (angl. Convolutional Neural Networks, skr. CNN) jsou druh neuronových sítí, které jsou často používány k řešení problémů zpracování obrazu, jako například klasifikaci obrazů, detekci objektů a segmentaci obrazů. Konvoluční sítě jsou založeny na konvolucích, které jsou matematické operace, které umožňují aplikovat filtr na vstupní data. V případě obrazů, tyto filtry jsou často malé matice, které procházejí po obrazovém vstupu a provádějí výpočty. Tímto způsobem konvoluční sítě mohou zjistit různé rysy obrazu a naučit se rozpoznávat určité vzory v obrazech. Konvoluční sítě se skládají z více vrstev, které se obvykle střídají s vrstvami max-poolingu nebo jinými vrstvami, které zmenšují rozměry obrazu. Na konci sítě se obvykle nachází několik plně propojených vrstev, které rozhodují o výstupu sítě. Konvoluční sítě jsou velmi úspěšné při řešení problémů zpracování obrazu a mají také mnoho jiných aplikací, jako například v rozpoznávání řeči a zpracování přirozeného jazyka.

Znalost programování v Pythonu na úrovni kurzu PYTHON_INTRO, ale znalosti na úrovni kurzu PYTHON_ADV jsou výhodou
Znalosti základů analýzy dat na úrovni kurzu PYTHON_DATAAN
Znalosti základů machine learning na úrovni kurzu PYTHON_ML_INTRO
Znalosti základů neuronových sítí na úrovni kurzu PYTHON_ML_NN

Odborný výklad s praktickými příklady, cvičení na počítačích.

Prezentace probírané látky v tištěné nebo online formě.

Den 1:

Úvod do konvolučních sítí a práce s daty
Základy konvolučních sítí
Práce s daty obrazu
Konvoluce, max-pooling a jiné operace
Trénování a testování modelů
Implementace jednoduché konvoluční sítě v PyTorch nebo TensorFlow

Den 2:

Pokročilé konvoluční sítě
Vícevrstvé konvoluční sítě
Zmenšování rozměry obrazů v síti
Regularizace a overfitting
Konvoluční sítě s reziduálními bloky
Transfer learning a použití předtrénovaných modelů

Den 3:

Řešení problémů v obrazovém zpracování
Klasifikace obrazů
Detekce objektů
Segmentace obrazů
Praktická cvičení pro řešení těchto problémů

Den 4:

Praktické použití konvolučních sítí
Použití konvolučních sítí na konkrétních aplikacích
Zpracování přirozeného jazyka pomocí konvolučních sítí
Rozpoznávání řeči a použití konvolučních sítí v audio aplikacích
Diskuse o konkrétních využitích konvolučních sítí v odvětví účastníků

Den 5:

Optimalizace a rozšiřování konvolučních sítí
Optimalizace a úprava parametrů sítě
Sítě s variabilní architekturou a návrh nových architektur
Porovnávání výkonu různých modelů
Úprava konvolučních sítí pro speciální případy, jako například mobilní zařízení nebo počítače s omezenými zdroji
Diskuse o budoucnosti konvolučních sítí a jejich aplikacích
Každý den by zahrnoval teoretickou část i praktická cvičení, kde by účastníci mohli použít naučené techniky v praxi
Regenerate response

Stáhnout PDF detail
Stáhnout PDF detail (bez termínů)

Uvedené ceny jsou bez DPH.

Python - Konvoluční neuronové sítě

GOPAS Praha

GOPAS Brno

GOPAS Bratislava

Obchodní údaje

Python - Konvoluční neuronové sítě

Předchozí kurzy

Navazující kurzy

GOPAS Praha

GOPAS Brno

GOPAS Bratislava

Obchodní údaje