Méthode de retrait : Baidu.com
Total [54] sections
Disponibilité des supports de cours : Oui

Vous gagnerez

Maîtriser le développement d'algorithmes basés sur keras et tensorflow.

Développement d'images d'apprentissage profond basées sur le web, combinant les applications basées sur le web avec l'intelligence artificielle

population concernée

Spécialistes, étudiants de premier cycle, étudiants de troisième cycle et développeurs travaillant comme programmeurs
Cours

1. maîtriser le traitement d'images par apprentissage profond (basé sur keras, tensorflow, opencv)
2. maîtriser la conception de sites web front-end et back-end (basés sur le framework flask)
3. développer des images d'apprentissage en profondeur basées sur le web, en combinant les applications basées sur le web avec l'intelligence artificielle

Chemin de code : https://github.com/gdit-ai/deep-learning-of-web

Catalogue des cours

Chapitre 1 : Introduction aux applications d'algorithmes d'apprentissage profond basées sur le web
基于web端人脸识别实例 14:12
图片上传到后端示例 19:36
flask人脸识别 04:17
flask介绍与安装 01:26
flask入门与路由 06:44
flask变量传递 12:08
flask重定向 03:23
flask表格 15:29
数据渲染 04:34
flask数据处理与传递 21:52
flask后端向前端传递 25:54
flask后端处理get请求 23:46
flask后端处理post请求 21:26

Chapitre 2 : Introduction et applications de l'apprentissage profond
深度学习理论简介 12:55
数据集介绍 09:11
行人检测数据集制作 42:21

Chapitre 3 : Configuration de l'environnement de Deep Learning
深度学习环境配置 13:06
anaconda与jupyternotebook 环境建立 27:25

Chapitre 4 : Principes et pratiques des réseaux neuronaux profonds (RNP)
深度神经网络（DNN）原理介绍 16:43
深度神经网络自己实现预测 50:22
深度神经网络自己实现训练 07:24
反向传播算法 03:57
keras理论介绍与实例操作 19:56

Chapitre 5 : Principes et pratique des réseaux neuronaux convolutifs (CNN)
卷积神经网络入门与介绍 19:59
自己动手实现一个卷积神经网络 30:07
keras卷积神经网络 03:17
卷积神经网络直观解释 03:47
keras卷积神经网络实战 15:29
mnist数据集 13:33
keras模型保存与加载 13:25
keras使用模型预测 08:43

Chapitre 6 : Principes et pratique des réseaux neuronaux récurrents (RNN)
keras设计dnn_cnn_rnn区别 05:52
keras使用RNN训练minist 04:02

Chapitre 7 : Principes et pratiques de TensorFlow
1tensorflow原理与介绍 13:35
tensorflow前向计算过程 09:48
tensorflow反向传播算法 20:19
TensorFlow 多层感知器识别手写数字 19:09
TensorFlow卷积神经网络识别手写数字 18:18

Chapitre 8 : Projets de détection ciblée en action
口罩检测项目实战 10:22
keras yolo3预测过程 12:05
keras yolo3口罩检测训练 29:14
keras yolo3口罩检测预测 10:33

Chapitre 9 : Pratique du projet de reconnaissance des visages
人脸检测与对齐原理 07:37
人脸识别原理 12:07
环境搭建与人脸检测 44:56
人脸识别代码演示 07:29
人脸识别系统开发介绍 07:54
人脸识别系统opencv处理 19:09
人脸检测算法实现 21:24
人脸识别算法实现 18:43

Chapitre 10 : Modèles d'apprentissage profond et cas d'intégration sur le Web
web端集成深度学习介绍 15:54
图像上传功能 08:32
上传成功图片在前端显示 05:21
web端集成深度学习预测方法 13:01

Téléchargement des ressources

Le prix de téléchargement de cette ressource est de19.9Des pièces d'or, s'il vous plaît, d'abords'inscrire

Déclaration de ressources (l'achat est considéré comme un accord avec cette déclaration) :
1) Toute opération sur la plate-forme du site web est considérée comme ayant lu et accepté le bas de l'accord d'enregistrement du site web et la clause de non-responsabilité, les ressources de ce site ont été vendues à un prix très bas et ne fournissent pas d'assistance technique.
2) Certains utilisateurs du réseau partagent l'adresse du disque net qui peut être invalide, par exemple en cas de défaillance, veuillez envoyer un courriel au service clientèle code711cn#qq.com (remplacez # par @) sera fait pour envoyer.
3) Ce site fournit toutes les ressources téléchargeables (logiciels, etc.) pour s'assurer qu'il n'y a pas de changements négatifs ; mais ce site ne peut pas garantir l'exactitude, la sécurité et l'intégrité des ressources, l'utilisateur télécharge à sa propre discrétion, nous communiquons pour apprendre dans le but de ne pas tout le code source n'est pas 100% sans erreur ou pas de bugs ; vous devez avoir une certaine base pour être en mesure de lire et de comprendre le code, pour être en mesure de modifier le code de débogage ! et de résoudre les erreurs. En même temps, les utilisateurs de ce site doivent comprendre que le Source Code Convenience Store ne possède aucun droit sur le logiciel fourni pour le téléchargement, le copyright appartient au propriétaire légal de la ressource.
4. toutes les ressources sur ce site uniquement à des fins d'apprentissage et de recherche, s'il vous plaît doivent être supprimées dans les 24 heures des ressources téléchargées, ne pas utiliser à des fins commerciales, sinon les litiges juridiques découlant du site et de l'éditeur de la responsabilité collatérale du site et ne seront pas pris en charge !
5. en raison de la nature reproductible des ressources, une fois achetées, les ressources ne sont pas remboursables et le solde de la recharge ne l'est pas non plus.