🚨 $100K in Sight: Follow Bitcoin’s Final Push Live! TRACK NOW
смотрят
40 студентов

Описание

Что вы изучите?

  • Заниматься программированием по-настоящему - не просто копировать и вставить Создавать настоящие проекты - вы будете создавать проекты, которые помогут вам закрепить изученный материал Создавать приложения, которые могут делать предсказания Создавать приложения, которые могут распознавать человеческий почерк

Требования

  • Наличие компьютера с OSX или macOS
  • NFT Certificate
  • 42 Количество лекций
  • Начальный
  • English
  • 4.7 Рейтинг
  • +100 XP

Share Course on Social media

Содержание

Course consist of total 6ч 52м of content, in total.

Раздел 2: Основы Python
37:28
Функции, условные выражения и циклы в Python
09:50
Массивы и кортежи в Python
13:52
Импорт модулей в Python
05:22
Раздел 3: Создание модели классификации
1:07:44
Введение в набор данных Iris
03:28
Наборы данных: Функции и маркеры
07:39
Загрузка наборы данных Iris / Изучение и подготовка данных
09:27
Создание / тренировка KNeighborsClassifier
09:42
Тестирование точности предсказания с тестовыми данными
12:08
Создание нашего собственного KNeighborsClassifier
18:00
Что такое scikit-learn - Зачем его использовать
03:52
Установка scikit-learn и scipy с помощью Anaconda
03:28
Раздел 4: Создание свёрточной нейронной сети
2:02:06
Что такое Keras? Зачем его использовать?
08:01
Что такое свёрточная нейронная сеть (СНС)?
26:30
Установка Keras с помощью Anaconda
04:38
Подготовка набора данных для СНС
17:38
Создание / Визуализация СНС использую последовательность: Часть 1
14:07
Создание / Визуализация СНС использую последовательность: Часть 2
19:40
Тренировка СНС / Оценка точности / Сохранение на диск
17:53
Смена среды Python / Конвертация в модель Core ML
13:39
Раздел 5: Создание приложения для распознавания почерка
1:13:39
Введение в приложение – Почерк
02:56
Создание интерфейса / Подключение
11:42
Рисование на экране
21:01
Импорт модели Core ML / Чтение метаданных
05:16
Использование Core ML / Зрение для прогнозирования
17:31
Обработка / Отображение результатов прогноза
15:13
Раздел 6: Основы Core ML
1:20:37
Введение в приложение – Анализ фото Core ML
04:25
Что такое машинное обучение?
07:46
Что такое Core ML?
05:03
Создание проекта Xcode
02:43
Создание ImageVC в создателе интерфейса / Подключение
07:40
Создание ImageCell и подклассов / Подключение
08:13
Создание файла помощника FoodItems
07:02
Создание пользовательской сетки 3x3 UICollectionViewFlowLayout
09:12
Выбор, скачивание, импорт модели Core ML
05:18
Передача изображений через модель Core ML
12:18
Обработка результатов прогноза Core ML
09:42
Испытание – Анализ фото Core ML
01:15

Отзывы о платформе BitDegree