Introduction au Deep Learning (Deep Learning Onramp)
Accès à MATLAB via votre navigateur web
Tutoriels vidéo stimulants
Exercices pratiques avec évaluations et commentaires automatisés
Formations disponibles en anglais et japonais
Sélectionnez une leçon pour démarrer
1.
Introduction
Familiarisez-vous avec ce cours et les concepts du Deep Learning.
- Le Deep Learning pour la reconnaissance d’images
- Présentation du cours
2.
Utilisation de réseaux préentraînés
Classifier les images à l’aide d’un réseau déjà créé et entraîné.
- Exemple - Identifier des objets dans des images
- Réaliser des prédictions
- Architecture CNN
- Examiner les prédictions
- Datastores pour les image
3.
Gestion des collections de données
Importer des dossiers d'images et les rendre utilisables avec un réseau donné.
- Banque d'images
- Préparation des images à utiliser comme entrée
- Traitement des images dans un magasin de données
- Créer un magasin de données à l'aide de sous-dossiers
4.
Apprentissage par transfert
Utilisez de nouvelles données pour modifier un réseau préentraîné et classifier des images dans de nouvelles classes.
- Qu’est-ce que l’apprentissage par transfert ?
- Composants requis pour l’apprentissage par transfert
- Préparation des données d’apprentissage
- Modification des couches du réseau
- Configuration des options d’apprentissage
- Apprentissage du réseau
- Évaluation des performances
- Récapitulatif sur l’apprentissage par transfert
Formations associées
Deep Learning avec MATLAB
Apprenez la théorie et la pratique pour développer des réseaux de neurones profonds avec des données séquentielles et des images.
Machine Learning avec MATLAB
Explorez les données et construisez des modèles prédictifs.
Fondamentaux MATLAB
Maîtrisez les fonctionnalités principales de MATLAB pour l'analyse de données, la modélisation et la programmation.