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,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€課程最重要的就是三個練習(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)完這門課程的時間大約為 90min ~ 120min,不會占用你太多時間。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。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,請聯(lián)系本站處理。
舉報(bào)投訴
原文標(biāo)題:Google最新ML實(shí)戰(zhàn)課程上線:兩個小時學(xué)會圖像分類
文章出處:【微信號:AI_Thinker,微信公眾號:人工智能頭條】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
相關(guān)推薦
【RKNPU2項(xiàng)目實(shí)戰(zhàn)1】:YOLOV5實(shí)時目標(biāo)分類
https://www.bilibili.com/video/BV1ZN411D7V8/?spm_id_from=333.999.0.0
發(fā)表于 08-15 10:51
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
發(fā)表于 07-17 09:56
?228次閱讀
的目標(biāo)物體的過程。它的目標(biāo)是確定圖像中是否存在特定的物體,并在圖像中找到這些物體的位置,通常以矩形框的形式表示。 1.2 圖像識別 圖像識別(Object Recognition)是指
發(fā)表于 07-16 11:19
?1372次閱讀
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
發(fā)表于 07-08 17:06
?237次閱讀
我打算使用lyrat-mini做一個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
據(jù)OpenAI介紹,初步測試結(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,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
發(fā)表于 05-09 09:57
?334次閱讀
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,圖像場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。圖像場景分類旨在
發(fā)表于 01-05 16:08
?298次閱讀
在深度學(xué)習(xí)出現(xiàn)之前,自然圖像中的對象識別過程相當(dāng)粗暴簡單:定義一組關(guān)鍵視覺特征(“單詞”),識別每個視覺特征在圖像中的存在頻率(“包”),然后根據(jù)這些數(shù)字對圖像進(jìn)行分類。這些模型被稱為
發(fā)表于 12-25 11:36
?226次閱讀
電子發(fā)燒友網(wǎng)站提供《emWin 實(shí)戰(zhàn)指南.pdf》資料免費(fèi)下載
發(fā)表于 12-22 11:03
?5次下載
1.DeiT概述1.1項(xiàng)目簡介Deit(Data-efficientimageTransformers)是由Facebook與索邦大學(xué)的MatthieuCord教授合作開發(fā)的圖像分類模型。作為一種
發(fā)表于 11-23 08:33
?1003次閱讀
以下文章來源于谷歌云服務(wù),作者 Google Cloud 作者:?Dan Lenoski 職位: Google Cloud 工程副總裁 作者:?Nandita Dukkipati 職位
發(fā)表于 11-10 17:45
?555次閱讀
基于特征的配準(zhǔn)方法
主要是采用各種算法提取基準(zhǔn)圖像和實(shí)時圖像的特征,如邊緣、角點(diǎn)、曲率、不變矩等,然后對提取的特征進(jìn)行描述從而使其可以按照某種相似性測度進(jìn)行匹配。
發(fā)表于 11-06 16:54
?1855次閱讀
XIAOXIAO今天小編給大家?guī)淼氖鞘サ貋喐绲腗aker Marcelo Rovai 使用 XIAO ESP32S3 Sensor 搭配Edge Impulse 實(shí)現(xiàn)的圖像分類的項(xiàng)目。
發(fā)表于 10-28 09:50
?1140次閱讀
電阻維修檢測實(shí)戰(zhàn)
發(fā)表于 10-15 11:23
?3次下載
作者:Adam Taylor 編者按:全新的 FPGA 架構(gòu)方法帶來了更精細(xì)的控制和更大的靈活性,以滿足機(jī)器學(xué)習(xí) (ML) 和人工智能 (AI) 的需求。本系列文章包括兩部分,第 1部分介紹了
發(fā)表于 10-03 14:45
?771次閱讀
評論