Udemy

Platform

Polski

Language

Data Science

Category

Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe

Zrób krok w stronę sieci neuronowych dzięki bibliotece Keras!

4.65 (72 reviews)

Students

8.5 hours

Content

Sep 2021

Last Update
Regular Price


What you will learn

Zrozumienie intuicji stojącej za sztucznymi sieciami neuronowymi

Zrozumienie intuicji stojącej za konwolucyjnymi sieciami neuronowymi

Elementy składowe sztucznych sieci neuronowych ANN

Elementy składowe sieci konwolucyjnych CNN

Implementacja sieci neuronowej od zera (python)

Budowa sztucznych sieci neuronowych w bibliotece Keras

Klasyfikacja obrazów przy pomocy sieci ANN i CNN

Dogłębna analiza działania sieci CNN

Klasyfikacja obrazów - pies czy kot?

Klasyfikacja obrazów - dron, samolot pasażerski czy helikopter?


Description

---------------------------------------------------------

REKOMENDOWANE ŚCIEŻKI UCZENIA

---------------------------------------------------------

PYTHON DEVELOPER:

  • Programowanie w języku Python - od A do Z

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest


SQL DEVELOPER:

  • SQL Bootcamp - Bazy danych SQLite - Part I

  • SQL Bootcamp - Bazy danych SQLite - Part II

  • SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia

  • SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia

  • Big Data: Analiza danych przy użyciu SQL oraz BigQuery


DATA SCIENTIST / MACHINE LEARNING ENGINEER:

  • Programowanie w języku Python - od A do Z

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Data Science Bootcamp w języku Python - od A do Z

  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python

  • SQL Bootcamp - Bazy danych SQLite - Part I

  • SQL Bootcamp - Bazy danych SQLite - Part II

  • SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia

  • SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia

  • Machine Learning Bootcamp w języku Python cz.I - od A do Z

  • Machine Learning Bootcamp w języku Python cz.II - od A do Z

  • Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia


DATA SCIENTIST / DEEP LEARNING ENGINEER

  • Programowanie w języku Python - od A do Z

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Data Science Bootcamp w języku Python - od A do Z

  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python

  • SQL Bootcamp - Bazy danych SQLite - Part I

  • SQL Bootcamp - Bazy danych SQLite - Part II

  • SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia

  • SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia

  • Machine Learning Bootcamp w języku Python cz.I - od A do Z

  • Machine Learning Bootcamp w języku Python cz.II - od A do Z

  • Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia

  • Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras

  • Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe

  • Artificial Intelligence – Computer Vision w języku Python


BI ANALYST / DATA ANALYST:

  • Programowanie w języku Python - od A do Z

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Twórz nowoczesne aplikacje webowe w Pythonie - Dash, Plotly

  • Data Science Bootcamp w języku Python - od A do Z

  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python

  • SQL Bootcamp - Bazy danych SQLite - Part I

  • SQL Bootcamp - Bazy danych SQLite - Part II

  • SQL Bootcamp - Bazy danych SQLite - Part III - Ćwiczenia

  • SQL Bootcamp - Bazy danych SQLite - Part IV - Ćwiczenia


BIG DATA ANALYST:

  • Programowanie w języku Python - od A do Z

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Big Data, Hadoop oraz MapReduce w języku Python

  • Big Data: Analiza danych przy użyciu SQL oraz BigQuery


ENG:

  • 200+ Exercises - Programming in Python - from A to Z

  • 210+ Exercises - Python Standard Libraries - from A to Z

  • 150+ Exercises - Object Oriented Programming in Python - OOP

  • 100+ Exercises - Unit tests in Python - unittest framework

  • 100+ Exercises - Python Programming - Data Science - NumPy

  • 100+ Exercises - Python Programming - Data Science - Pandas

  • 100+ Exercises - Python - Data Science - scikit-learn

  • 250+ Exercises - Data Science Bootcamp in Python

  • SQL Bootcamp - Hands-On Exercises - SQLite - Part I

  • SQL Bootcamp - Hands-On Exercises - SQLite - Part II


-------------------
OPIS KURSU
-------------------

Stephen Hawking powiedział kiedyś: "whatever you want to uncover the secrets of the universe, or you just want to pursue a career in the 21st century, basic computer programming is an essential skill to learn".  Te słowa jakże znamiennie wybrzmiewają w dzisiejszych czasach. Nie ulega wątpliwości, że przyszłość zależeć będzie w dużej mierze od postępu technologicznego i ludzi, którzy będą w stanie ten postęp kreować. Jak pokazują dane, utrzymujące się ogromne zapotrzebowanie na specjalistów w sektorze technologii powoduje, że zarobki w branży także są bardzo satysfakcjonujące.

Zastosowania sztucznej inteligencji (Artificial Intelligence) rosną w tempie wykładniczym. Od prostych modeli klasyfikujących pocztę mailową, wybierających najbardziej optymalną trasę dojazdu, rozpoznających nas w czasie rzeczywistym (wideoweryfikacja) po auta a nawet samoloty autonomiczne. A przed nami przecież tyle nieodkrytych obszarów w których można zastosować AI.

Do czego służy biblioteka Keras?

Keras to biblioteka open source do tworzenia sieci neuronowych, która jako backend wykorzystuje Tensorflow, CNTK, czy Theano. Jest doskonałym narzędziem do prototypowania i eksperymentowania oszczędzając nam wiele czasu przy pisaniu kodu. Stanowi także niską barierę wejścia dla osób, które dopiero zaczynają swoją karierę w uczeniu maszynowym.

Wzrost popularności języka Python

Język Python świetnie nadaje się do przetwarzania, przygotowania, analizy i modelowania danych. Jest prosty do nauki i nie powinien sprawiać problemów osobie, która dopiero zaczyna uczyć się programowania. Na przestrzeni ostatnich lat i rosnącej popularności sztucznej inteligencji Python wyrósł na gwiazdę w tym sektorze. Powstało sporo potężnych bibliotek do machine learningu, czy deep learningu. Przykładem może być stworzona przez Google biblioteka Tensorflow.

Wszechstronność Zastosowań

Języka Python możemy używać na bardzo wielu poziomach. Czy to u siebie w domu, w biurze, czy uruchamiając skrypty w chmurze. W połączeniu z mnogością zastosowań i doskonałym zestawem narzędzi takich jak Spyder, Jupyter Notebook, Zeppelin, IPython i innymi bibliotekami środowisko do analizy danych w Pythonie wyróżnia się wydajnością, produktywnością i doskonałą elastycznością.


Screenshots

Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe

Content

Konfiguracja Środowiska

Intro

Wprowadzenie do Google Colab

Sztuczna Inteligencja - Deep Learning

Wprowadzenie do Deep Learningu

Klasyczny paradygmat programowania vs. uczenie maszynowe

Najprostsza sieć neuronowa - Perceptron

Funkcje aktywacji - Implementacja

Funkcja ReLU

Funkcja Sigmoid

Funkcja Softmax

Funkcja Tanh

Funkcje Straty - Implementacja

Funkcje Straty BCE i CCE

Accuracy - Dokładność

Entropia

Binarna Entropia Krzyżowa

Kategoryczna Entropia Krzyżowa

Algorytm Stochastycznego Spadku Gradientu

Stochastyczny Spadek Gradientu

Perceptron Wielowarstwowy

SGD - Implementacja, cz. 1

SGD - Implementacja, cz. 2

Implementacja Sieci Neuronowej

Implementacja Sieci Neuronowej cz. 1

Implementacja Sieci Neuronowej cz. 2

Implementacja Sieci Neuronowej cz. 3

Implementacja Sieci Neuronowej cz. 4

Implementacja Sieci Neuronowej cz. 5

Implementacja Sieci Neuronowej cz. 6

Implementacja Sieci Neuronowej cz. 7

Implementacja Sieci Neuronowej cz. 8

Klasyfikacja Obrazów - Sztuczne Sieci Neuronowe - ANN

Problem klasyfikacji obrazów

Jak obraz jest przechowywany w pamięci komputera?

Wybór biblioteki do uczenia głębokiego

Perceptron Wielowarstwowy cz. 1

Perceptron Wielowarstwowy cz. 2

Perceptron Wielowarstwowy cz. 3

Perceptron Wielowarstwowy cz. 4

Perceptron Wielowarstwowy cz. 5

CNN - Konwolucyjne Sieci Neuronowe

Wprowadzenie do CNN

Architektura CNN

Operacja konwolucji - update

Operacja konwolucji

Filtry w sieci CNN

Operacja MaxPooling

Konwolucja + MaxPooling - Wyliczenie

CNN Implementacja

CNN Trenowanie Modelu

CNN Podsumowanie

CNN - Klasyfikator - pies czy kot?

Pobranie danych do modelu

Eksploracja danych i budowa pierwszego modelu

Budowa i trenowanie modelu z augmentacją danych

Budowa i trenowanie modelu z augmentacją danych cz. 2

Ocena modelu

Transfer Learning - model VGG16

Ocena modelu z wykorzystaniem Transfer Learningu

Otworzenie black box'a konwolucyjnych sieci neuronowych

Mapy ciepła, obszary decyzyjne i podsumowanie

CNN - dron, samolot pasażerski czy helikopter? - Tensorflow 2.0 + Keras

Update

Przetwarzanie obrazu - Augmentacja danych

Klasyfikacja obrazów - omówienie problemu

Przygotowanie obrazów do modelu

Przygotowanie obrazów do modelu cz. 2

Budowa sieci CNN

Transfer Learning - model VGG16

Wyświetlenie błędów predykcji

Dron, samolot pasażerski czy helikopter? - Klasyfikacja wieloklasowa

Wyświetlenie błędów predykcji

Projekt własny

Klasyfikacja obrazów

BONUS: Kupony na inne kursy

Grupa na Facebook'u

Recenzja

Bonus


Reviews

A
Aleksander6 March 2021

Inżynier powinien być pewny w objaśnianiu pojęć, które musi wyjaśnić, nie może używać słownictwa sugerującego brak wiarygodności przekazywanej informacji

D
Delmonico19 December 2019

Autor tłumaczy zagadnienia w sposób bardzo zrozumiały, przejrzysty. Pojawiają się przykłady wykorzystania konkretnej techniki/technologii na świecie. Jedyne do czego bym się przyczepił to implementacje funkcji straty i aktywacji - moim zdaniem wystarczy wiedza ogólna jak konkretny działa (autor oczywiście o tym mówi). Nie przerobiłem tych lekcji w całości. Fajnie by też było, gdyby był pokazany też jakiś bardzo złożony problem, nawet bez większego tłumaczenia, żeby zobaczyć wielką skalę możliwości szeroko pojętego deep learningu. Pozdrawiam :)

R
Robert28 November 2019

BARDZO irytujący, za długi "jingle" na początku i końcu każdego video. Po 10 razie człowiek czuje się jakby był torturowany.

M
Marek26 August 2019

Jestem już na samym końcu kursu i mogę powiedzieć jedno, ten kurs jest WYŚMIENITY! Wszystko wytłumaczone w bardzo prosty i przejrzysty sposób. Mimo tego, iż jedno z moich pierwszych spotkań z macierzami to bez problemu zrozumiałem zagadnienia z tego kursu. Dlaczego 4,5, a nie 5? Irytujące wstawki na początku i każdego filmu, ale rozumiem chęć promocji innej strony. Jeszcze raz dziękuje i czekam na więcej takich kursów!

W
Wojciech13 August 2019

Kurs jest generalnie dobry. Mocną stroną są próby demonstracji danych zagadnień i język polski kursu (co jest rzadkością w materiałach edukacyjnych z deep leraningu). Autor też bardzo szybko odpowiada na pytania i wątpliwości. Słabą częścią kursu jest wprowadzenie teoretyczne - dużo lepsze (czytelniejsze) omówienie teorii można znaleźć w podręcznikach (w tym też przełożnych na j. polski) albo po prostu na youtube.


2453042

Udemy ID

7/10/2019

Course created date

10/29/2019

Course Indexed date
Bot
Course Submitted by