搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評論與回復(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)
      會員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動

      完善資料讓更多小伙伴認(rèn)識你，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
      • Google
        +關(guān)注

        關(guān)注

        5

        文章

        1748

        瀏覽量

        57187
      • 機(jī)器學(xué)習(xí)

        關(guān)注

        66

        文章

        8306

        瀏覽量

        131841

      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。

      收藏 人收藏

        評論

        相關(guān)推薦

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

        【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

        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 ?228次閱讀

        圖像檢測和圖像識別的原理、方法及應(yīng)用場景

        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
        的頭像 發(fā)表于 07-16 11:19 ?1372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 ?237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
        的頭像 發(fā)表于 05-09 09:57 ?334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，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
        的頭像 發(fā)表于 01-05 16:08 ?298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>場景<b class='flag-5'>分類</b>中的創(chuàng)新運(yùn)用

        CNN圖像分類策略

        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
        CNN<b class='flag-5'>圖像</b><b class='flag-5'>分類</b>策略

        emWin 實(shí)戰(zhàn)指南

        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

        邁向更高效的圖像分類：解析DeiT模型的移植和適配

        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
        的頭像 發(fā)表于 11-23 08:33 ?1003次閱讀
        邁向更高效的<b class='flag-5'>圖像</b><b class='flag-5'>分類</b>：解析DeiT模型的移植和適配

        Google 向生態(tài)系統(tǒng)開放可靠的低延遲硬件傳輸系統(tǒng) Falcon

        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
        的頭像 發(fā)表于 11-10 17:45 ?555次閱讀
        <b class='flag-5'>Google</b> 向生態(tài)系統(tǒng)開放可靠的低延遲硬件傳輸系統(tǒng) Falcon

        機(jī)器視覺：圖像配準(zhǔn)方法分類

        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
        機(jī)器視覺：<b class='flag-5'>圖像</b>配準(zhǔn)方法<b class='flag-5'>分類</b>

        基于XIAO的圖像分類處理項(xiàng)目

        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。
        的頭像 發(fā)表于 10-28 09:50 ?1140次閱讀
        基于XIAO的<b class='flag-5'>圖像</b><b class='flag-5'>分類</b>處理項(xiàng)目

        電阻維修檢測實(shí)戰(zhàn)

        電阻維修檢測實(shí)戰(zhàn)
        發(fā)表于 10-15 11:23 ?3次下載

        為什么以及如何將 Efinix FPGA 用于 AI/ML 成像第 2 部分：圖像采集和處理

        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
        的頭像 發(fā)表于 10-03 14:45 ?771次閱讀
        為什么以及如何將 Efinix FPGA 用于 AI/<b class='flag-5'>ML</b> 成像第 2 部分：<b class='flag-5'>圖像</b>采集和處理