In this 2-hour long guided-project course, you will load a pretrained state of the art model CNN and you will train in PyTorch to classify radio signals with input as spectogram images. The data that you will use, consists of spectogram images (spectogram is a representation of audio signals) and there are targets such as ( Squiggle, Noises, Narrowband, etc). Furthermore, you will apply spectogram augmentation for classification task to augment spectogram images. Moreover, you are going to create train and evaluator function which will be helpful to write training loop. Lastly, you will use best trained model to classify radio signals given any 2D Spectogram of radio signal input images.
Classify Radio Signals with PyTorch
Sichern Sie sich eines unserer besten Angebote mit Coursera Plus für 199 $ (normalerweise 399 $). Jetzt sparen.
Fragen Sie Coursera
Erwerben Sie praxisrelevante Kompetenzen unter Anleitung von Experten, üben Sie sich in ihrer Anwendung und wenden Sie sie schließlich an.
Stufe Mittel
Empfohlene Erfahrung
2 hours
In Ihrem eigenen Lerntempo lernen
Praktisches Lernen
Was Sie lernen werden
Load pretrained state of the art model
Create train and eval function to write the training loop
Understand Spectogram Augmentations
Kompetenzen, die Sie festigen
- Kategorie: Telecommunications
- Kategorie: Deep Learning
- Kategorie: Transfer Learning
- Kategorie: Computer Vision
- Kategorie: Image Analysis
- Kategorie: Convolutional Neural Networks
- Kategorie: Fine-tuning
- Kategorie: Model Evaluation
- Kategorie: Model Training
- Kategorie: Digital Signal Processing
Tools, die Sie verwenden werden
- Kategorie: Classification Algorithms
- Kategorie: PyTorch (Machine Learning Library)
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Unterrichtet in Englisch
Keine Downloads oder Installation erforderlich
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien
Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Introduction
Configurations
Declare Spec Augmentations
Create Custom Dataset
Load Dataset into Batches
Create Model
Create Train and eval function
Training Loop
Empfohlene Erfahrung
Prior programming experience in Python and basic pytorch. Theoretical knowledge of Convolutional Neural Network and Training process (Optimization)
8 Projektbilder
Dozent
9 Kurse46.974 Lernende
von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Ihnen könnte auch Folgendes gefallen:
Status: Kostenlos
Status: Kostenlos
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
