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 [...]
  • PYTHON_ML_CNN
  • Délka 5 dní
  • 50 ITK bodů
  • 4 termíny
  • ČR (28 000 Kč)

    SR (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
Aktuální nabídka
Školicí místo
Jazyk kurzu

Uvedené ceny jsou bez DPH.

Školení na míru

Nenašli jste vhodný termín, nebo chcete školení přizpůsobit specifickým potřebám vašeho týmu? Rádi pro vás připravíme školení na míru.