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(shuō)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(guò)你沒(méi)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(guò),這門課程目前并沒(méi)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(wèn)題,請(qǐng)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(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。
相關(guān)推薦
第九期EMC實(shí)戰(zhàn)特訓(xùn)營(yíng)來(lái)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(wèn),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
發(fā)表于 10-25 08:05
?53次閱讀
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(wèn)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
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(kāi)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
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(guò)多個(gè)項(xiàng)目實(shí)戰(zhàn),掌握ESP32物聯(lián)網(wǎng)項(xiàng)目的開(kāi)發(fā)!
一、課程介紹本
發(fā)表于 09-24 17:05
【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
什么是圖像語(yǔ)義分割 圖像語(yǔ)義分割是一種將圖像中的所有像素點(diǎn)按照其語(yǔ)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
?304次閱讀
圖像分類是計(jì)算機(jī)視覺(jué)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(guò)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
?401次閱讀
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(guò)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(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
發(fā)表于 05-09 09:57
?388次閱讀
隨著計(jì)算機(jī)視覺(jué)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
發(fā)表于 01-05 16:08
?331次閱讀
在深度學(xué)習(xí)出現(xiàn)之前,自然圖像中的對(duì)象識(shí)別過(guò)程相當(dāng)粗暴簡(jiǎn)單:定義一組關(guān)鍵視覺(jué)特征(“單詞”),識(shí)別每個(gè)視覺(jué)特征在圖像中的存在頻率(“包”),然后根據(jù)這些數(shù)字對(duì)圖像進(jìn)行分類。這些模型被稱為
發(fā)表于 12-25 11:36
?260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(jiǎn)介Deit(Data-efficientimageTransformers)是由Facebook與索邦大學(xué)的MatthieuCord教授合作開(kāi)發(fā)的圖像分類模型。作為一種
發(fā)表于 11-23 08:33
?1158次閱讀
以下文章來(lái)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
?602次閱讀
XIAOXIAO今天小編給大家?guī)?lái)的是圣地亞哥的Maker 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
?1227次閱讀
評(píng)論