In diesem Kurs werden Sie:
- Erforschen Sie die Anwendungen von GANs und untersuchen Sie sie im Hinblick auf Datenerweiterung, Datenschutz und Anonymit盲t - Nutzen Sie das 叠颈濒诲-锄耻-叠颈濒诲-脺产别谤蝉别迟锄耻苍驳s-Framework und identifizieren Sie Anwendungen 蹿眉谤 Modalit盲ten jenseits von Bildern - Implementieren Sie Pix2Pix, ein gepaartes 叠颈濒诲-锄耻-叠颈濒诲-脺产别谤蝉别迟锄耻苍驳s-GAN, zur Anpassung von Satellitenbildern an Kartenrouten (und umgekehrt) - Vergleichen Sie die gepaarte 叠颈濒诲-锄耻-叠颈濒诲-脺产别谤蝉别迟锄耻苍驳 mit der ungepaarten 叠颈濒诲-锄耻-叠颈濒诲-脺产别谤蝉别迟锄耻苍驳 und stellen Sie fest, inwiefern ihr wesentlicher Unterschied unterschiedliche GAN-Architekturen erforderlich macht - Implementieren Sie CycleGAN, ein ungepaartes 叠颈濒诲-锄耻-叠颈濒诲-脺产别谤蝉别迟锄耻苍驳smodell, zur Anpassung von Pferden an Zebras (und umgekehrt) mit zwei GANs in einem Das DeepLearning.AI Generative Adversarial Networks (GANs) Specializations bietet eine aufregende Einf眉hrung in die Bilderzeugung mit GANs, die den Weg von grundlegenden Konzepten zu fortgeschrittenen Techniken durch einen leicht verst盲ndlichen Ansatz aufzeigt. Es werden auch die sozialen Auswirkungen behandelt, einschlie脽lich Verzerrungen in ML und die M枚glichkeiten, diese zu erkennen, die Wahrung der Privatsph盲re und mehr. Bauen Sie eine umfassende Wissensbasis auf und sammeln Sie praktische Erfahrungen mit GANs. Trainieren Sie Ihr eigenes Modell mit PyTorch, erstellen Sie damit Bilder und bewerten Sie eine Vielzahl fortgeschrittener GANs. Diese Specializations bietet einen leicht zug盲nglichen Weg 蹿眉谤 alle Lernenden, die in den Bereich der GANs einsteigen oder GANs auf ihre eigenen Projekte anwenden m枚chten, auch wenn sie mit fortgeschrittener Mathematik und maschineller Lernforschung nicht vertraut sind.
