Deep Learning Onramp
Accesso a MATLAB dal proprio browser web
Video tutorial coinvolgenti
Esercizi pratici con valutazione e feedback automatici
Lezioni disponibili in italiano e giapponese
Seleziona una lezione per iniziare
1.
Introduzion
Familiarizza con i concetti base e il corso sul deep learning.
- Deep learning per il riconoscimento di immagini
- Panoramica del corso
2.
Utilizzo di reti pre-addestrate
Eseguire classificazioni di immagini utilizzando una rete precedentemente creata e addestrata.
- Esempio del corso - Identificare oggetti in alcune immagini
- Realizzare previsioni
- Architettura delle CNN
- Studio delle previsioni
- Datastore di immagini
3.
Gestione delle raccolte di dati
Importa cartelle di immagini e le rende utilizzabili con una determinata rete.
- Datastore di immagini
- Preparazione delle immagini da utilizzare come input
- Elaborazione di immagini in un archivio dati
- Creare un datastore mediante le sottocartelle
4.
Esecuzione del transfer learning
Utilizza nuovi dati per modificare una rete pre-addestrata e classificare le immagini in nuove classi.
- Cos’è il transfer learning
- Componenti necessari per il transfer learning
- Preparazione dei dati da addestrare
- Modificare i layer di una rete
- Impostare le opzioni di addestramento
- Addestrare la rete
- Valutazione delle prestazioni
- Riepilogo del transfer learning
Corsi correlati
Deep learning con MATLAB
Impara le nozioni teoriche e pratiche della costruzione di reti neurali profonde utilizzando dati immagine e di sequenza reali.
Machine Learning con MATLAB
Esplora i dati e costruisci modelli predittivi.
Fondamenti di MATLAB
Impara ad utilizzare le principali funzionalità di MATLAB per l’analisi, la modellazione e la programmazione di dati.