🔥$100K Hit! Where Will Bitcoin Go Next? Find Out Live!
viendo ahora
2 Estudiantes

Descripción

¿Qué aprenderás?

  • Aprende a usar PyCharm, ejecutar archivos Python y programas en la interfaz Aprende a usar aprendizaje automático y redes neuronales con ejemplos Aprende los fundamentos de programación Python Aprende a identificar errores de programación Entender el conjunto de datos de reconocimiento de imagen CIFAR-10

Requisitos

  • No hay requisitos
  • NFT Certificate
  • 58 Lecciones
  • Pincipiante
  • English
  • +100 XP

Share Course on Social media

Plan de estudios

Course consist of total 8h 44m of content, in total.

Sección 1: Aprende a usar PyCharm
45:07
Sección 2: Aprende fundamentos del lenguaje Python
1:49:46
Variables, sintaxis y tipos básicos
08:33
Operaciones de variables
09:29
Tuplas y listas
11:54
Diccionarios
06:36
Declaración if
10:03
While y for en bucles
10:43
Implementación de función y ejecución
10:05
Parámetros y valores de retorno
07:47
Introducción a clases y objetos
12:40
Subclases y superclases
13:06
Resumen y análisis
03:37
Sección 3: Entendiendo aprendizaje automático de redes neuronales
1:04:20
Introducción al día 3
02:01
Introducción al aprendizaje automático
11:23
Introducción al aprendizaje automático (Parte 1)
06:13
Introducción al aprendizaje automático (Parte 2)
05:35
Introducción a redes neuronales
10:23
Introducción a circunvoluciones
14:10
Introducción a circunvoluciones (Parte 1)
07:15
Introducción a circunvoluciones (Parte 2)
07:20
Sección 4: Explora el API Keras
1:17:04
Introducción al día 4
01:49
Introducción a Tensorflow y Keras
09:06
Entendiendo la sintaxis Keras
19:13
Entendiendo la sintaxis Keras (Parte 1)
09:14
Entendiendo la sintaxis Keras (Parte 2)
10:24
Introducción a la activación de funciones
13:26
Introducción a la activación de funciones (Parte 1)
05:59
Introducción a la activación de funciones (Parte 2)
07:53
Sección 5: Formato de conjuntos de datos y estudio de CIFAR 10
58:25
Introducción al día 5
01:53
Explorando el set de datos CIFAR10
08:36
Entendiendo puntos de datos específicos
17:43
Entendiendo puntos de datos específicos (Parte 1)
08:48
Entendiendo puntos de datos específicos (Parte 2)
09:21
Formateando imágenes de entrada
12:04
Sección 6: Construyendo el modelo de clasificación de imagen
1:35:13
Introducción al día 6
02:23
Construyendo el modelo
18:18
Construyendo el modelo (Parte 1)
09:28
Construyendo el modelo (Parte 2)
09:16
Compilando y entrenando el modelo
12:38
Compilando y entrenando el modelo (Parte 1)
06:35
Compilando y entrenando el modelo (Parte 2)
06:29
Descenso gradual y optimizadores
14:50
Descenso gradual y optimizadores (Parte 1)
06:57
Descenso gradual y optimizadores (Parte 2)
08:19
Sección 7: Guardar y cargar modelos entrenados
1:15:00
Introducción al día 7
02:08
Guardando y cargando modelo a H5
15:20
Guardando y cargando modelo a H5 (Parte 1)
07:43
Guardando y cargando modelo a H5 (Parte 2)
08:03
Guardando modelo a archivo Protobuf
17:50
Guardando modelo a archivo Protobuf (Parte 1)
08:36
Guardando modelo a archivo Protobuf (Parte 2)
09:40
Resumen del BootCamp
05:40

Reseñas de la plataforma de BitDegree