搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會(huì)員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      Google圖像分類速成ML實(shí)戰(zhàn)課程

      8g3K_AI_Thinker ? 來源：未知 ? 作者：胡薇 ? 2018-06-01 10:01 ? 次閱讀

      今年 3 月，Google 推出了免費(fèi)的機(jī)器學(xué)習(xí)速成課程——Machine Learning Crash Course。近日，Google 又推出了一門機(jī)器學(xué)習(xí)課程——Machine Learning Practica，主要是針對(duì)那些已經(jīng)有機(jī)器學(xué)習(xí)基礎(chǔ)，希望上手實(shí)踐的學(xué)生。此次的課程是圖像分類，其他的實(shí)戰(zhàn)課程在后期會(huì)陸續(xù)上線。

      想要參加此次的課程，最好先學(xué)完Google此前推出的 Machine Learning Crash Course，或者至少有一定的機(jī)器學(xué)習(xí)基礎(chǔ)。此外，還需要精通編程基礎(chǔ)知識(shí)，以及一定的 Python 編程經(jīng)驗(yàn)。

      該課程的最大特點(diǎn)是練習(xí)、練習(xí)、練習(xí)！不是因?yàn)橹匾氖虑檎f三遍，而是因?yàn)檎麄€(gè)課程最重要的就是三個(gè)練習(xí)題。本次課程的編碼練習(xí)使用的是 Keras，不過你沒有 Keras 的相關(guān)經(jīng)驗(yàn)也是 OK的。從下圖可以看出，Google 真的是非常貼心了。

      Google 預(yù)計(jì)，學(xué)完這門課程的時(shí)間大約為 90min ~ 120min，不會(huì)占用你太多時(shí)間。不過，這門課程目前并沒有中文翻譯，所以大家還是要努力學(xué)習(xí)英文滴。

      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
      • Google
        +關(guān)注

        關(guān)注

        5

        文章

        1765

        瀏覽量

        57536
      • 機(jī)器學(xué)習(xí)

        關(guān)注

        66

        文章

        8418

        瀏覽量

        132655

      原文標(biāo)題：Google最新ML實(shí)戰(zhàn)課程上線：兩個(gè)小時(shí)學(xué)會(huì)圖像分類

      文章出處：【微信號(hào)：AI_Thinker，微信公眾號(hào)：人工智能頭條】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

      收藏 人收藏

        評(píng)論

        相關(guān)推薦

        高通AI Hub：輕松實(shí)現(xiàn)Android圖像分類

        高通AI Hub為開發(fā)者提供了一個(gè)強(qiáng)大的平臺(tái)，以優(yōu)化、驗(yàn)證和部署在Android設(shè)備上的機(jī)器學(xué)習(xí)模型。這篇文章將介紹如何使用高通AI Hub進(jìn)行圖像分類的程式碼開發(fā)，并提供一個(gè)實(shí)際的例子來展示其在Android平臺(tái)上的應(yīng)用。
        的頭像 發(fā)表于 11-26 01:03 ?230次閱讀
        高通AI Hub：輕松實(shí)現(xiàn)Android<b class='flag-5'>圖像</b><b class='flag-5'>分類</b>

        【每天學(xué)點(diǎn)AI】實(shí)戰(zhàn)圖像增強(qiáng)技術(shù)在人工智能圖像處理中的應(yīng)用

        圖像增強(qiáng)（ImageEnhancement）是人工智能和計(jì)算機(jī)視覺中一項(xiàng)重要的技術(shù)，也是人工智能數(shù)據(jù)集預(yù)處理的一個(gè)重要步驟。它旨在提高圖像的質(zhì)量，使其在視覺上更加清晰、細(xì)節(jié)更豐富。這項(xiàng)技術(shù)在自動(dòng)駕駛
        的頭像 發(fā)表于 11-22 17:14 ?583次閱讀
        【每天學(xué)點(diǎn)AI】<b class='flag-5'>實(shí)戰(zhàn)</b><b class='flag-5'>圖像</b>增強(qiáng)技術(shù)在人工智能<b class='flag-5'>圖像</b>處理中的應(yīng)用

        使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類的步驟

        使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行圖像分類是一個(gè)涉及多個(gè)步驟的過程。 1. 問題定義 確定目標(biāo) ：明確你想要分類的圖像類型，例如貓和狗、不同的植物種類等。 數(shù)據(jù)需求 ：確定需要多少數(shù)據(jù)以及
        的頭像 發(fā)表于 11-15 15:01 ?302次閱讀

        主動(dòng)學(xué)習(xí)在圖像分類技術(shù)中的應(yīng)用:當(dāng)前狀態(tài)與未來展望

        本文對(duì)近年來提出的主動(dòng)學(xué)習(xí)圖像分類算法進(jìn)行了詳細(xì)綜述，并根據(jù)所用樣本數(shù)據(jù)處理及模型優(yōu)化方案，將現(xiàn)有算法分為三類：基于數(shù)據(jù)增強(qiáng)的算法，包括利用圖像增廣來擴(kuò)充訓(xùn)練數(shù)據(jù)，或者根據(jù)圖像特征插值
        的頭像 發(fā)表于 11-14 10:12 ?303次閱讀
        主動(dòng)學(xué)習(xí)在<b class='flag-5'>圖像</b><b class='flag-5'>分類</b>技術(shù)中的應(yīng)用:當(dāng)前狀態(tài)與未來展望

        手把手教你使用LabVIEW TensorRT實(shí)現(xiàn)圖像分類實(shí)戰(zhàn)（含源碼）

        Hello，大家好，我是virobotics（儀酷智能），一個(gè)深耕于LabVIEW和人工智能領(lǐng)域的開發(fā)工程師。 各位朋友，今天我們一起來探究一下如何基于LabVIEW使用TensorRT實(shí)現(xiàn)圖像分類
        的頭像 發(fā)表于 11-06 16:07 ?256次閱讀
        手把手教你使用LabVIEW TensorRT實(shí)現(xiàn)<b class='flag-5'>圖像</b><b class='flag-5'>分類</b><b class='flag-5'>實(shí)戰(zhàn)</b>（含源碼）

        靈活多元的EMC學(xué)習(xí)方案

        第九期EMC實(shí)戰(zhàn)特訓(xùn)營(yíng)來了！01EMC實(shí)戰(zhàn)特訓(xùn)營(yíng)SES課程簡(jiǎn)介學(xué)員自主安排學(xué)習(xí)時(shí)間，提高效率結(jié)合直播、錄播與答疑，滿足需求學(xué)員可提問，講師全程支持累計(jì)70年經(jīng)驗(yàn)，助力學(xué)員掌握要點(diǎn)02課程
        的頭像 發(fā)表于 10-25 08:05 ?196次閱讀
        靈活多元的EMC學(xué)習(xí)方案

        【全新課程資料】正點(diǎn)原子《基于GD32 ARM32單片機(jī)項(xiàng)目實(shí)戰(zhàn)入門》培訓(xùn)課程資料上線！

        正點(diǎn)原子《基于GD32 ARM32單片機(jī)項(xiàng)目實(shí)戰(zhàn)入門》全新課程資料上線啦！徹底解決ARM32單片機(jī)項(xiàng)目入門難的問題！ 一、課程介紹 本課程專為ARM32單片機(jī)的入門學(xué)習(xí)者設(shè)計(jì)，涵蓋了
        發(fā)表于 09-24 18:06

        【全新課程資料】正點(diǎn)原子《ESP32基礎(chǔ)及項(xiàng)目實(shí)戰(zhàn)入門》培訓(xùn)課程資料上線！

        正點(diǎn)原子《ESP32基礎(chǔ)及項(xiàng)目實(shí)戰(zhàn)入門》全新課程資料上線啦！正點(diǎn)原子工程師手把手教你學(xué)！熟練掌握ESP-IDF開發(fā)，突破ESP32入門難題！ 一、課程介紹 本課程針對(duì)ESP32的入門
        發(fā)表于 09-24 17:59

        【全新課程資料】正點(diǎn)原子《ESP32物聯(lián)網(wǎng)項(xiàng)目實(shí)戰(zhàn)》培訓(xùn)課程資料上線！

        正點(diǎn)原子《ESP32物聯(lián)網(wǎng)項(xiàng)目實(shí)戰(zhàn)》全新培訓(xùn)課程上線啦！正點(diǎn)原子工程師手把手教你學(xué)！通過多個(gè)項(xiàng)目實(shí)戰(zhàn)，掌握ESP32物聯(lián)網(wǎng)項(xiàng)目的開發(fā)！ 一、課程介紹本
        發(fā)表于 09-24 17:05

        基于迅為RK3588【RKNPU2項(xiàng)目實(shí)戰(zhàn)1】：YOLOV5實(shí)時(shí)目標(biāo)分類

        【RKNPU2項(xiàng)目實(shí)戰(zhàn)1】：YOLOV5實(shí)時(shí)目標(biāo)分類 https://www.bilibili.com/video/BV1ZN411D7V8/?spm_id_from=333.999.0.0
        發(fā)表于 08-15 10:51

        圖像語義分割的實(shí)用性是什么

        什么是圖像語義分割 圖像語義分割是一種將圖像中的所有像素點(diǎn)按照其語義類別進(jìn)行分類的任務(wù)。與傳統(tǒng)的圖像分
        的頭像 發(fā)表于 07-17 09:56 ?433次閱讀

        計(jì)算機(jī)視覺怎么給圖像分類

        圖像分類是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)核心任務(wù)，其目標(biāo)是將輸入的圖像自動(dòng)分配到預(yù)定義的類別集合中。這一過程涉及圖像的特征提取、特征表示以及分類器的
        的頭像 發(fā)表于 07-08 17:06 ?698次閱讀

        使用google-translate和wwe合并后無法使用google-tts怎么解決？

        我打算使用lyrat-mini做一個(gè)使用喚醒詞喚醒然后后續(xù)通過google-sr和google-tts進(jìn)行交流的聊天機(jī)器人，但是當(dāng)我合并了adf的例子中的wwe和google-translate之后
        發(fā)表于 06-28 06:05

        OpenAI發(fā)布圖像檢測(cè)分類器，可區(qū)分AI生成圖像與實(shí)拍照片

        據(jù)OpenAI介紹，初步測(cè)試結(jié)果表明，該分類器在辨別非AI生成圖像與DALL·E 3生成圖像時(shí)，成功率高達(dá)近98%，僅有不到0.5%的非AI圖像誤判為DALL·E 3生成。此外，該工具
        的頭像 發(fā)表于 05-09 09:57 ?469次閱讀

        微美全息（NASDAQ:WIMI）探索全局-局部特征自適應(yīng)融合網(wǎng)絡(luò)框架在圖像場(chǎng)景分類中的創(chuàng)新運(yùn)用

        隨著計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展以及數(shù)字圖像規(guī)模的爆炸式增長(zhǎng)，圖像場(chǎng)景分類已成為許多領(lǐng)域的關(guān)鍵任務(wù)，已經(jīng)得到了廣泛的研究和應(yīng)用。圖像場(chǎng)景分類旨在
        的頭像 發(fā)表于 01-05 16:08 ?392次閱讀
        微美全息（NASDAQ:WIMI）探索全局-局部特征自適應(yīng)融合網(wǎng)絡(luò)框架在<b class='flag-5'>圖像</b>場(chǎng)景<b class='flag-5'>分類</b>中的創(chuàng)新運(yùn)用