Ce cours complet est un guide pratique pour développer et maintenir des ensembles de données de haute qualité pour les applications d'IA visuelle. Les apprenants acquerront des connaissances approfondies et des compétences pratiques dans les domaines suivants : découvrir et mettre en œuvre diverses approches d'étiquetage, des méthodes manuelles aux méthodes entièrement automatisées ; évaluer et améliorer la qualité de l'annotation pour les tâches de détection d'objets, y compris l'identification et la correction des problèmes d'étiquetage courants ; analyser l'impact de la qualité de la boîte englobante sur les performances du modèle et développer des stratégies pour améliorer la cohérence de l'étiquetage ; utiliser des outils avancés tels que FiftyOne et CVAT pour l'exploration des ensembles de données, la correction des erreurs et l'affinement des annotations ; relever des défis complexes en vision par ordinateur, tels que les détections de chevauchement, les occlusions et la détection de petits objets ; mettre en œuvre des techniques d'augmentation des données pour améliorer la robustesse et la généralisation des modèles ; et appliquer des concepts tels que la dureté de l'échantillon dans le contexte de l'entraînement des modèles et de la curation des ensembles de données. Grâce à une combinaison de connaissances théoriques et d'exercices pratiques, les étudiants apprendront à créer, maintenir et optimiser des ensembles de données qui conduisent à des modèles d'IA visuelle plus précis et plus fiables.
Pratique de l'IA visuelle centrée sur les données
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire
Expérience recommandée
2 semaines à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Compétences que vous acquerrez
- Catégorie : Computer Vision
- Catégorie : Applied Machine Learning
- Catégorie : Visualization (Computer Graphics)
- Catégorie : Data Cleansing
- Catégorie : Image Analysis
- Catégorie : Data Manipulation
- Catégorie : Convolutional Neural Networks
- Catégorie : Model Evaluation
- Catégorie : Deep Learning
- Catégorie : Data Preprocessing
- Catégorie : Data Quality
- Catégorie : Data Analysis
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
12 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Il y a 4 modules dans ce cours
Instructeur
Offert par
En savoir plus sur Apprentissage automatique
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Plus de questions
Aide financière disponible,