Machine Learning: Create a Neural Network that Predicts whether an Image is a Car or Airplane.

4.4
estrellas
66 calificaciones
ofrecido por
Coursera Project Network
2,713 ya inscrito
En este proyecto guiado, tú:

  1. Complete a Neural Network Model that will be used to evaluate whether a Picture is an Airplane or Automobile.

Practice using One Hot Encoding to build a classifier.

Practice evaluating model performance.

Clock2 Hours
IntermediateIntermedio
CloudNo se necesita descarga
VideoVideo de pantalla dividida
Comment DotsInglés (English)
LaptopSolo escritorio

In this 1-hour long project-based course, you will learn how to build a Neural Network Model using Keras and the MNIST Data Set. By the end of the course you will have built a model that will recognize the digits of hand written numbers. You will also be exposed to One Hot Encoding, Neural Network Architecture, Loss Optimizers and Testing of the Model's performance. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Habilidades que desarrollarás

Image ProcessingComputer VisionData AnalysisMachine Learning

Aprende paso a paso

En un video que se reproduce en una pantalla dividida con tu área de trabajo, tu instructor te guiará en cada paso:

  1. Task 1: In this task the Learner will be introduced to the Course Objectives, which is to how to execute a Neural Network using raw images from the Internet.

  2. Task 2: The Learners will get practice Loading Images.

  3. Task 3: The Learner will get experience pre-processing images using the EBImage package in R.

  4. Task 4: The Learner will reshape the images using a Keras function called array_reshape().

  5. Task 5: The Learner will get practice creating Testing and Training sets.

  6. Task 6: The Learner will then create a classifier using one hot encoding.

  7. Task 7: The Learner will then build out the architecture for the Neural Network. Rectified Linear Unit ("RELU") and SoftMax will be used.

  8. Task 8: The Learner will then build out a loss optimizer function using cross_entropy.

  9. Task 9: The Learner will test to see how the model performed using a Confusion Matrix.

Cómo funcionan los proyectos guiados

Tu espacio de trabajo es un escritorio virtual directamente en tu navegador, no requiere descarga.

En un video de pantalla dividida, tu instructor te guía paso a paso

Preguntas Frecuentes

Preguntas Frecuentes

  • Al comprar un proyecto guiado, obtendrás todo lo que necesitas para completarlo, incluido el acceso a un espacio de trabajo de escritorio en la nube a través de tu navegador web que contiene los archivos y el software que necesitas para comenzar, además de instrucciones de video paso a paso de un experto en la materia.

  • Dado que tu espacio de trabajo contiene un escritorio en la nube del tamaño de una computadora portátil o computadora de escritorio, los proyectos guiados no están disponibles en tu dispositivo móvil.

  • Los instructores de proyectos guiados son expertos en la materia que tienen experiencia en habilidades, herramientas o dominios de su proyecto y les apasiona compartir sus conocimientos para impactar a millones de estudiantes en todo el mundo.

  • Puedes descargar y conservar cualquiera de tus archivos creados del proyecto guiado. Para hacerlo, puedes usar la función 'Explorador de archivos' mientras accedes a tu escritorio en la nube.

  • Los proyectos guiados no son elegibles para reembolsos. Ver nuestra política de reembolso completo.

  • La ayuda financiera no está disponible para proyectos guiados.

  • El acceso como oyente no está disponible para los proyectos guiados.

  • En la parte superior de la página, puedes presionar en el nivel de experiencia de este proyecto guiado para ver los requisitos de conocimientos previos. En cada nivel del proyecto guiado, tu instructor te orientará paso a paso.

  • Aprenderás completando tareas en un entorno de pantalla dividida directamente en tu navegador. En el lado izquierdo de la pantalla, completarás la tarea en tu espacio de trabajo. En el lado derecho de la pantalla, verás a un instructor guiarte a través del proyecto, paso a paso.

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.