Deep Learning Onramp
Este tutorial de Deep learning, gratuito y de dos horas de duración, proporciona una introducción interactiva sobre los métodos de Deep learning con ejercicios prácticos. Aprenderá a utilizar técnicas de Deep learning en MATLAB® para reconocimiento de imágenes.
Prerrequisitos: MATLAB Onramp o conocimientos básicos de MATLAB
Acceso a MATLAB a través de su navegador web
Atractivos tutoriales en vídeo
Ejercicios prácticos con evaluaciones automatizadas y comentarios
Lecciones disponibles en inglés y japonés
Seleccione una lección para comenzar
1.
Presentación
Familiarícese con los conceptos de Deep Learning y el curso.
- Deep Learning para reconocimiento de imágenes
- Descripción general del curso
2.
Uso de redes previamente entrenadas
Realice clasificaciones de imágenes con una red ya creada y entrenada.
- Ejemplo del curso: Identificar objetos en imágenes
- Realización de predicciones
- Arquitectura de CNN
- Evaluación de predicciones
- Objeto datastore para imágenes
3.
Gestión de colecciones de datos
Importar carpetas de imágenes y hacerlas utilizables con una red determinada.
- Datastores de imágenes
- Preparación de imágenes para utilizar como entrada
- Procesando imágenes en un almacén de datos
- Crear un almacén de datos utilizando subcarpetas
4.
Transferencia del aprendizaje
Use datos nuevos para modificar una red previamente entrenada y clasificar imágenes en clases nuevas.
- Componentes necesarios para la transferencia del aprendizaje
- Preparación de los datos de entrenamiento
- Modificación de las capas de la red
- Configuración de las opciones de entrenamiento
- Entrenamiento de la red
- Evaluación del rendimiento
- Resumen de la transferencia del aprendizaje
Cursos relacionados
Deep learning con MATLAB
Aprenda a crear redes neuronales profundas con datos de imágenes y secuencias de la vida real, de forma teórica y práctica.
Machine Learning con MATLAB
Aprenda a explorar datos y construir modelos predictivos.
Fundamentos de MATLAB
Aprenda las funcionalidades básicas de MATLAB para el análisis de datos, modelado y programación.
