Matrix - poznaj reguły gry w uczeniu maszynowym | 3 Transformacja

Wybierz swoją drogę samodzielnie lub ktoś inny to zrobi za Ciebie...
(Twoje otoczenie: rodzice, przyjaciele, koledzy, nauczyciele)
👉 bit.ly/3ajveLB
1 i 2 etap transformacji za nami, ale nic nie stoi na przeszkodzie, aby zacząć działać od trzeciego etapu ;) START 3 etapu transformacji już 30 MARCA!
Co robimy?
Przede wszystkim wspólnie się uczymy, poznajemy podstawy uczenia maszynowego, analizujemy dane, budujemy model i swoje portfolio.
Każda część transformacji trwa 5 dni.
Co zrobisz podczas 3 transformacji?
Dzień 1
Założysz repozytorium na GitHub.
Przygotujesz środowisko Colab.
Pobierzemy dane - znaki drogowe, z którymi będziemy pracować w kolejnych dniach.
Dzień 2
Zajmiemy się analizą i wizualizacją danych.
Zobaczysz, że dane które mamy ciężko jest nazwać idealnymi i czasem wręcz są bardzo słabej jakości, czyli tak jak prawie zawsze bywa. Trzeba się do tego przygotować.
Dzień 3
Trenujemy pierwszy model, który będzie rozpoznawać znaki drogowe używając deep learning. Mówiąc precyzyjniej, zajmiemy się sieciami konwolucyjnymi (convolutional neural network).
Dzień 4
Poznasz, czym jest data augmentation i dlaczego może być to pomocne.
Przy okazji poznasz kilka dodatkowych optymalizacji, które mogą być przydatne przy budowaniu jeszcze bardziej stabilnego modelu.
Dzień 5
W sieciach neuronowych jest bardzo dużo parametrów, które można dobierać. Można to robić manualnie, ale zawsze można to zoptymalizować, co też zrobimy używając odpowiednich narzędzi (czyli zajmiemy się tak zwanym tuning hyperparameter).
Dołączysz?
👉 bit.ly/3ajveLB