🚨 $100K in Sight: Follow Bitcoin’s Final Push Live! TRACK NOW
现在看
74 学生

简述

您将学到什么?

  • 学习如何编写PRO代码的代码 - 而不仅仅是复制和粘贴 构建真实项目 - 您将构建可帮助您保留所学知识的项目 构建可以进行预测的精彩应用程序 构建可以对人类手写进行分类的惊人应用程序

要求

  • 必须有一台带有OSX或macOS的计算机
  • NFT Certificate
  • 42 课
  • 初级
  • English
  • 4.7 评分
  • +100 XP

Share Course on Social media

教学大纲

Course consist of total 6点 52分 of content, in total.

2: Python基础知识 部分
37:28
Python中的函数,条件和循环
09:50
Python中的数组和元组
13:52
用Python导入模块
05:22
3: 建立分类模型 部分
1:07:44
虹膜数据集介绍
03:28
数据集:功能和标签说明
07:39
加载Iris数据集/检查和准备数据
09:27
创建/训练KNeighborsClassifier
09:42
用测试数据测试预测精度
12:08
建立我们自己的KNeighborsClassifier
18:00
什么是scikit-learn-为什么要使用它 -
03:52
使用Anaconda安装scikit-learn&scipy
03:28
4: 构建卷积神经网络 部分
2:02:06
什么是Keras? 为什么要用它?
08:01
什么是卷积神经网络(CNN)?
26:30
用Anaconda安装Keras
04:38
为CNN准备数据集
17:38
使用Sequential构建/可视化CNN:第1部分
14:07
使用Sequential构建/可视化CNN:第2部分
19:40
培训CNN /评估准确性/保存到磁盘
17:53
切换Python环境/转换为核心ML模型
13:39
5: 构建手写识别应用程序 部分
1:13:39
应用简介 - 手写
02:56
建筑接口/接线
11:42
在屏幕上绘图
21:01
导入核心ML模型/阅读元数据
05:16
利用Core ML / Vision进行预测
17:31
处理/显示预测结果
15:13
6: 核心ML基础知识 部分
1:20:37
应用简介 - 核心ML照片分析
04:25
什么是机器学习?
07:46
什么是Core ML?
05:03
创建Xcode项目
02:43
在Interface Builder / Wiring Up中构建ImageVC
07:40
创建ImageCell&Subclass / Wiring Up
08:13
创建FoodItems帮助文件
07:02
创建自定义3x3网格UICollectionViewFlowLayout
09:12
选择,下载,导入核心ML模型
05:18
通过核心ML模型传递图像
12:18
处理核心ML预测结果
09:42
挑战 - 核心ML照片分析
01:15

BitDegree平台评价