Resmi sitesi (İngilizce) Resmi Twitter hesabı (İngilizce), Twitter'da @R_Keras ve Twitter'daki @TensorFlow

Görüntü tanıma endüstrileri dönüştürüyor, ancak karmaşık matematik ve programlama ortamları nedeniyle derin öğrenmeye başlamak baskılayıcı hissedilebilir. Bu metin tabanlı kurs, R kullanarak konvülzyonel sinir ağları inşa etme sürecinde size rehberlik ederek engelleri kaldırır. Temel derin öğrenme terminolojisini anlamaktan kendi görüntü tanıma modellerinizi tasarlama, eğitme ve değerlendirmeye geçiş yapacaksınız. Açık açıklamalar ve yapısal R kod parçaları üzerinden çalışarak, sinirsel ağları gerçek dünya görüntü sınıflandırma zorluklarına uygulamak için güven kazanacaksınız. Ne öğreneceksin: - Derin öğrenme, sinirsel ağlar ve görüntü verilerinin temsilinin temel kavramlarını anlamak. - Verimli model geliştirme için R çevrenizi TensorFlow ve Keras ile ayarlayın. - Konvülsif, topluluk ve yoğun katmanlarla konvülsiyonel sinir ağı (CNN) mimarileri oluşturun. - Model genellemesini iyileştirmek ve aşırı uyumluluğu önlemek için veri artırma tekniklerini uygulayın. - Sınıflandırma doğruluğunu artırmak için önceden eğitilmiş mimarileri kullanarak transfer öğrenmesini uygulayın. - Model performansını anahtar metrik, karmaşa matrisi ve onaylama stratejileri kullanarak değerlendirin. Yolculuk, sağlam bir teorik temeliniz olmasını sağlayan temel derin öğrenme kavramları ve çevre kurulumuyla başlar. Oradan, CNN modellerinizi inşa etmek, eğitmek ve ayarlamak için adım adım yazılı yürüyüşler yoluyla ilerlersiniz. Bu kurs, R'de görüntü tanıma öğrenmek isteyen yeni başlayanlar, veri analistler ve umut veren makine öğrenimi pratisyenleri için tasarlanmıştır.R programlama ile temel bir tanıdıklık yararlı olsa da, önceden derin öğrenme deneyimi gerekmez. Derin öğrenme ve bilgisayar görüşünün R ' deki potansiyelini açmak için bugün okumaya başlayın.