Aktualisiert im Mai 2025. Dieser Kurs enthält jetzt den Coursera Coach! Eine intelligentere Art des Lernens mit interaktiven Unterhaltungen in Echtzeit, die Ihnen dabei helfen, Ihr Wissen zu testen, Annahmen zu hinterfragen und Ihr Verständnis zu vertiefen, während Sie im Kurs vorankommen. Begeben Sie sich auf eine umfassende Reise zur Beherrschung der Bildsegmentierung mit PyTorch, die sowohl für Anfänger als auch für Fortgeschrittene konzipiert ist. Dieser Kurs bietet eine detaillierte Erkundung der Bildsegmentierung, beginnend mit grundlegenden Konzepten bis hin zu fortgeschrittenen Techniken anhand von realen Projekten. Beginnen Sie damit, die Grundlagen der Bildsegmentierung zu verstehen, einschließlich verschiedener Arten und Anwendungen. Machen Sie sich mit PyTorch vertraut und lernen Sie die Grundlagen von Tensoren, Berechnungsgraphen und Modell-Training. Erforschen Sie die Feinheiten der linearen Regression und die Bedeutung der Abstimmung von Hyperparametern und erwerben Sie eine solide Grundlage in den Prinzipien des Maschinellen Lernens. Gehen Sie weiter zu Convolutional Neural Networks (CNNs) und tauchen Sie tief in ihre Struktur, Schichtberechnungen und Bildvorverarbeitungsmethoden ein. Lernen Sie, wie CNNs die Bildanalyse revolutionieren und verstehen Sie ihre Anwendung in realen Szenarien. Der Kurs endet mit einer eingehenden Untersuchung der semantischen Segmentierung. Entdecken Sie die Architekturen, Upsampling-Methoden und Verlustfunktionen, die erfolgreiche Segmentierungsmodelle definieren. Nehmen Sie an praktischen Coding-Sitzungen teil, um Daten vorzubereiten, Modelle zu erstellen und deren Leistung mit Hilfe von Industriestandard-Metriken zu bewerten. Am Ende dieses Kurses verfügen Sie über ein gründliches Verständnis der Bildsegmentierung mit PyTorch und sind in der Lage, komplexe Segmentierungsaufgaben in verschiedenen realen Anwendungen zu bewältigen. Dieser Kurs ist ideal für Datenwissenschaftler, KI-Profis und Enthusiasten des Maschinellen Lernens, die ihr Wissen über Bildsegmentierung und PyTorch vertiefen möchten. Er ist perfekt für alle, die ein grundlegendes Verständnis von Python haben und Deep Learning-Techniken auf reale Projekte anwenden möchten.
Schalten Sie mit Coursera Plus den Zugang zu mehr als 10.000 Kursen frei. Starten Sie die 7-tägige kostenlose Testversion.
Empfohlene Erfahrung
Was Sie lernen werden
Anwendung der semantischen Mehrklassen-Segmentierung mit PyTorch auf reale Datensätze.
Analyse der Architektur und Funktionalität von UNet- und FPN-Modellen für eine effektive Bildsegmentierung.
Evaluierung und Auswahl geeigneter Verlustfunktionen und Bewertungsmetriken zur Optimierung von Deep Learning Modellen.
Kompetenzen, die Sie erwerben
- Kategorie: Künstliche neuronale Netze
- Kategorie: Bildanalyse
- Kategorie: Leistungsoptimierung
- Kategorie: Methoden des Maschinellen Lernens
- Kategorie: Computervision
- Kategorie: Datenverarbeitung
- Kategorie: Regressionsanalyse
- Kategorie: Deep Learning
- Kategorie: Angewandtes maschinelles Lernen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
2 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
In diesem Kurs gibt es 4 Module
In diesem Modul werden wir die für den Kurs erforderlichen Grundeinstellungen vornehmen. Wir definieren die Bildsegmentierung, umreißen den Umfang des Kurses und gehen das System-Setup durch. Außerdem erfahren Sie, wie Sie auf die erforderlichen Materialien zugreifen und die Conda-Umgebung für die Arbeit mit PyTorch konfigurieren können.
Das ist alles enthalten
5 Videos1 Lektüre
In diesem Modul werden wir die Grundlagen von PyTorch, einem leistungsstarken Deep Learning Framework, erkunden. Wir werden uns mit Tensor-Operationen, Berechnungsgraphen und der Konstruktion von Modellen für neuronale Netze befassen. In diesem Abschnitt werden Sie mit den wesentlichen Fähigkeiten für die Entwicklung und das Training von Modellen in PyTorch ausgestattet.
Das ist alles enthalten
19 Videos
In diesem Modul werden wir uns mit Convolutional Neural Networks (CNNs) und ihren Anwendungen in der Computer Vision befassen. Wir behandeln die Grundlagen der CNN-Architektur, Bildvorverarbeitungstechniken und das Debugging neuronaler Netze. Dieser Abschnitt bietet eine umfassende Einführung in CNNs und ihre praktischen Implementierungen.
Das ist alles enthalten
6 Videos
In diesem Modul werden wir uns auf die semantische Segmentierung konzentrieren, eine wichtige Aufgabe bei der Analyse von Bildern. Wir werden verschiedene Architekturen neuronaler Netze, Upsampling-Techniken und Verlustfunktionen untersuchen. Darüber hinaus werden wir die Datenvorbereitung, das Training des Modells und die Modellevaluation behandeln, um genaue und effektive Segmentierungsergebnisse zu gewährleisten.
Das ist alles enthalten
15 Videos2 Aufgaben
Dozent
von
Mehr von Maschinelles Lernen entdecken
Status: Kostenloser Testzeitraum
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Ja, Sie können das erste Video in der Vorschau ansehen und den Lehrplan einsehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um auf Inhalte zuzugreifen, die nicht in der Vorschau enthalten sind.
Wenn Sie sich vor dem Beginn der Sitzung in den Kurs einschreiben, haben Sie Zugang zu allen Vorlesungsvideos und Lesestoff für den Kurs. Sobald die Sitzung beginnt, können Sie die Aufgaben einreichen.
Sobald Sie sich angemeldet haben und Ihre Sitzung beginnt, haben Sie Zugang zu allen Videos und anderen Ressourcen, einschließlich der Lektüre und dem Diskussionsforum des Kurses. Sie können Übungsaufgaben ansehen und einreichen und die erforderlichen benoteten Aufgaben erledigen, um eine Note und ein Kurszertifikat zu erhalten.
Weitere Fragen
Finanzielle Unterstützung verfügbar,