在线课程 – 面向计算机视觉的 Google 深度学习专业认证

利用 AI 技能推动您的工程职业生涯。学习计算机视觉的实用深度学习技术。

Suggested by: Coursera (What is Coursera?)

Professional Certificate

开始

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 训练用于图像分类和对象识别的模型
  • 训练特殊模型以识别异常
  • 通过超出预测准确性的预期来评估模型性能
  • 通过研究预测误差来解释模型的行为
  • 通过调整重要参数来提高模型性能
  • 使用 AI 假设自动对数千张图像进行分类
  • 使用数据增强为锻炼创建合成图像

What you will learn in the course

Courses for which the course is suitable

  • 机器学习工程师
  • 数据科学家
  • AI 领域的软件工程师
  • 计算机视觉系统开发人员
  • 自治系统工程师
  • 医疗数据分析器
  • 开发对象识别模型
  • 开发解决方案以识别异常
  • 精通 MATLAB 的软件开发人员
  • 图像分类系统开发人员

专业化 – 3 门课程系列

这种专业化很快就会进入该领域,因此您可以开始训练模型并培养实用的深度学习技能。您无需成为专业程序员或具有深度学习经验,即可在这个快速发展的领域获得宝贵的专业技能。

深度学习使工程师和科学家能够处理计算机视觉领域的复杂问题,这些问题在过去很难解决,例如构建无人驾驶汽车等自动驾驶系统。由于公司必须采用更多的计算机视觉技术,因此对具有深度学习技能的专业人员的需求很高。获得这些技能将使您在瞬息万变的技术世界中具有竞争优势。

实习结束时,您将能够:

  • 训练用于图像分类和对象识别的模型
  • 训练特殊模型以识别异常
  • 通过超出预测准确性的预期来评估模型性能
  • 通过研究预测误差来解释模型的行为
  • 通过调整重要参数来提高模型性能
  • 使用 AI 假设自动对数千张图像进行分类
  • 使用数据增强为锻炼创建合成图像

在实习过程中,您可以免费使用 MATLAB,这是世界各地领先公司使用的软件。课程侧重于使用 MATLAB 的应用程序,因此您可以花更少的时间编码,而将更多的时间用于应用深度学习概念。

实践学习项目

作为实习的一部分,你将通过实践项目应用你的技能来解决现实世界的问题。您可以创建识别美国手语字母的分类器。然后,您将相信一个对象识别模型,以根据自动驾驶的要求查找和识别停车标志。最后,您将识别医学图像中的异常,并在 AI 的帮助下执行数据注释,以标记用于训练的新数据。

Details of the courses that make up the specialization

面向计算机视觉的深度学习简介

课程 1 • 9 小时

你会被告知什么?

  • 为图像分析奠定强大的深度学习基础
  • 针对特定应用程序重新训练熟悉的模型,如 GoogLeNet 和 ResNet
  • 研究模型的行为以识别错误、确定潜在解决方案并提高模型的性能
  • 使用真实项目来练习完整的深度学习过程

您将获得的技能

  • 人工智能 (AI)
  • 计算机视觉
  • 深度学习
  • 马特拉布
  • 图像分类