University of Colorado Boulder
컴퓨터 비전 분야에서의 딥 러닝 응용 사례

Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
University of Colorado Boulder

컴퓨터 비전 분야에서의 딥 러닝 응용 사례

Ioana Fleming

Dozent: Ioana Fleming

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

Es dauert 22 Stunden
3 Wochen bei 7 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

Es dauert 22 Stunden
3 Wochen bei 7 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • 수강생은 컴퓨터 비전이 무엇인지 설명하고 컴퓨터 비전 과제의 예를 들 수 있습니다.

  • 수강생은 컴퓨터 비전 과제에 대한 알고리즘 솔루션의 배경이 되는 프로세스와 그 장단점을 설명할 수 있습니다.

  • 수강생은 직접 최신 머신 러닝 툴과 파이썬 라이브러리를 사용할 수 있습니다.

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

4 Aufgaben

Unterrichtet in Koreanisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 5 Module

이번 단원에서는 컴퓨터 비전 분야를 알아봅니다. 컴퓨터 비전은 이미지에서 정보를 추출하는 것을 목표로 합니다. 컴퓨터 비전 과제의 주요 범주를 살펴본 뒤, 각 범주에 해당하는 응용 사례를 살펴보겠습니다. 머신 러닝 및 딥 러닝 기법의 도입이 컴퓨터 비전 분야에 어떤 영향을 주었는지 알아보겠습니다.

Das ist alles enthalten

4 Videos12 Lektüren1 Aufgabe1 Diskussionsthema

이번 단원에서는 고전적 컴퓨터 비전 툴 및 기법에 대해 알아봅니다. 합성곱 연산, 선형 필터, 그리고 이미지 특징을 감지하는 알고리즘을 알아봅니다.

Das ist alles enthalten

5 Videos10 Lektüren1 Aufgabe

이번 단원에서는 첫 번째로 고전 컴퓨터 비전에서의 객체 인식의 문제점을 복습합니다. 다음으로 고전 컴퓨터 비전 파이프라인을 통해 객체 인식 및 이미지 분류를 수행하는 단계를 살펴봅니다.

Das ist alles enthalten

3 Videos2 Lektüren1 Aufgabe

이번 단원에서는 신경망을 사용한 이미지 분류 파이프라인이 고전 컴퓨터 비전 툴과 어떻게 다른지 비교해 보겠습니다. 그 후 신경망의 기본적인 요소에 대해 복습하겠습니다. 텐서 플로우 튜토리얼을 통해 이미지 분류 예측을 위해 신경망을 구축, 훈련 및 사용하는 방법을 실습하고 마무리 하겠습니다.

Das ist alles enthalten

4 Videos5 Lektüren1 peer review1 Unbewertetes Labor

이번 단원에서는 합성곱 신경망의 구성 요소를 알아보겠습니다. 심층 신경망을 설명하는 매개변수와 초매개변수에 대해 배우고 이들이 어떻게 딥 러닝 모델의 정확도를 개선해주는지 알아보겠습니다. 텐서 플로우 튜토리얼을 통해 이미지를 분류하는 딥 신경망 구축, 훈련 및 사용을 실습하고 마무리 하겠습니다.

Das ist alles enthalten

6 Videos10 Lektüren1 Aufgabe1 peer review1 Unbewertetes Labor

Dozent

Ioana Fleming
University of Colorado Boulder
2 Kurse7.882 Lernende

von

Empfohlen, wenn Sie sich für Machine Learning interessieren

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.“
Platzhalter

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