Plan du cours

Introduction à la vision par ordinateur

  • Aperçu des applications de la vision par ordinateur
  • Compréhension des données d'images et des formats
  • Défis dans les tâches de vision par ordinateur

Introduction aux réseaux neuronaux convolutifs (CNN)

  • Qu'est-ce que les CNN ?
  • Architecture des CNN : couches convolutives, regroupement et couches entièrement connectées
  • Utilisation des CNN en vision par ordinateur

Prise en main de TensorFlow et Google Colab

  • Configuration de l'environnement dans Google Colab
  • Utilisation de TensorFlow pour la construction de modèles
  • Construction d'un modèle CNN simple en utilisant TensorFlow

Techniques avancées des CNN

  • Transfert d'apprentissage pour les CNN
  • Affinage de modèles pré-entraînés
  • Techniques d'augmentation de données pour une meilleure performance

Prétraitement et augmentation d'images

  • Techniques de prétraitement d'images (mise à l'échelle, normalisation, etc.)
  • Augmentation de données d'images pour une meilleure formation des modèles
  • Utilisation du pipeline de données d'images de TensorFlow

Construction et déploiement de modèles de vision par ordinateur

  • Entraînement des CNN pour la classification d'images
  • Évaluation et validation des performances du modèle
  • Déploiement de modèles dans les environnements de production

Applications réelles de la vision par ordinateur

  • Vision par ordinateur dans le secteur de la santé, du commerce de détail et de la sécurité
  • Détection et reconnaissance d'objets alimentés par l'IA
  • Utilisation des CNN pour la reconnaissance faciale et gestuelle

Synthèse et prochaines étapes

Pré requis

  • Expérience en programmation Python
  • Compréhension des concepts d'apprentissage profond
  • Connaissances de base des réseaux neuronaux convolutifs (CNN)

Public cible

  • Data scientists
  • Praticiens de l'IA
 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires