In this 2-hour long guided-project course, you will load a pretrained state of the art model CNN and you will train in PyTorch to classify radio signals with input as spectogram images. The data that you will use, consists of spectogram images (spectogram is a representation of audio signals) and there are targets such as ( Squiggle, Noises, Narrowband, etc). Furthermore, you will apply spectogram augmentation for classification task to augment spectogram images. Moreover, you are going to create train and evaluator function which will be helpful to write training loop. Lastly, you will use best trained model to classify radio signals given any 2D Spectogram of radio signal input images.

Classify Radio Signals with PyTorch
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

(12 avis)
Expérience recommandée
Ce que vous apprendrez
Load pretrained state of the art model
Create train and eval function to write the training loop
Understand Spectogram Augmentations
Compétences que vous pratiquerez
- Catégorie : Convolutional Neural Networks
- Catégorie : Model Training
- Catégorie : Deep Learning
- Catégorie : Digital Signal Processing
- Catégorie : Image Analysis
- Catégorie : Telecommunications
- Catégorie : Model Evaluation
- Catégorie : Computer Vision
- Catégorie : Fine-tuning
- Catégorie : Transfer Learning
Outils que vous utiliserez
- Catégorie : Classification Algorithms
- Catégorie : PyTorch (Machine Learning Library)
Détails à connaître

Ajouter à votre profil LinkedIn
Disponible uniquement sur ordinateur
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Apprendre, pratiquer et appliquer des compétences prêtes à l’emploi en moins de 2 heures
- Bénéficiez d’une formation par des experts du secteur
- Gagnez en expérience pratique en effectuant des tâches professionnelles du monde réel
- Renforcez votre confiance en utilisant les outils et technologies les plus récents

À propos de ce Projet Guidé
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
Introduction
Configurations
Declare Spec Augmentations
Create Custom Dataset
Load Dataset into Batches
Create Model
Create Train and eval function
Training Loop
Expérience recommandée
Prior programming experience in Python and basic pytorch. Theoretical knowledge of Convolutional Neural Network and Training process (Optimization)
8 images de projet
Instructeur

Offert par
Méthode d’apprentissage
Apprentissage pratique basé sur les compétences
Mettez en pratique de nouvelles compétences en effectuant des tâches professionnelles.
Conseils d’experts
Suivez les vidéos pré-enregistrées d’experts à l’aide d’une interface unique, divisée en deux.
Aucun téléchargement ou installation requis(e)
Accédez aux outils et aux ressources dont vous avez besoin dans un espace de travail cloud préconfiguré.
Disponible uniquement sur ordinateur de bureau
Ce Projet Guidé est conçu pour les ordinateurs portables ou de bureau disposant d’une connexion internet fiable, et non pour les appareils mobiles.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
50 %
- 4 stars
16,66 %
- 3 stars
0 %
- 2 stars
16,66 %
- 1 star
16,66 %
Affichage de 3 sur 12
Révisé le 6 nov. 2022
It was a wonderful project which not only covers a few concepts of signal processing but also sheds light on transfer learning with Pytorch.
Révisé le 23 juil. 2024
Nice guided lab, however there are some content issues: 1. The last video is missing; 2. Some problem with certificates on loading the model.
Vous aimerez peut-être aussi
Statut : Gratuit
Statut : Essai gratuit
Statut : Gratuit
Statut : Essai gratuit




