Машинное обучение: нейросети и глубокое обучение
- Суть
- Полный цикл обработки данных для компьютерного зрения и глубокого обучения в соревнованиях Kaggle.
- На выходе
- Проводить исследовательский анализ данных для поиска зависимостей; Применять методы сегментации и классификации изображений; Оценивать качество моделей с помощью F1-метрики и коэффициента Дайса; Выполнять аугментацию данных для обучения нейросетей; Реализовывать современные архитектуры для задач CV
- Навыки
- Python · ResNet · Unet · Inception · MobileNet · PSPNet · Аугментация данных
- Кому подойдёт
- Python-разработчики; Специалисты по анализу данных
- Знать заранее
- Опыт в математической статистике и машинном обучении