糖心vlog官网观看

Spezialisierung: Erwerben Sie praktisches Wissen dar眉ber, wie generative Modelle funktionieren. Konstruieren und entwerfen Sie Ihr eigenes generatives kontradiktorisches Modell. Analysieren Sie, wie generative Modelle in verschiedenen kommerziellen und explorativen Anwendungen eingesetzt werden.

Kurs 1: In diesem Kurs lernen Sie die grundlegenden Komponenten von GANs kennen, erstellen ein grundlegendes GAN mit PyTorch, verwenden Faltungsschichten, um fortgeschrittene DCGANs zu erstellen, die Bilder verarbeiten, wenden die W-Loss-Funktion an, um das Problem des verschwindenden Gradienten zu l枚sen, und lernen, wie Sie Ihre GANs effektiv steuern und bedingte GANs erstellen.

Kurs 2: In diesem Kurs werden Sie die Herausforderungen bei der Bewertung von GANs verstehen, verschiedene generative Modelle vergleichen, die Fr茅chet Inception Distance (FID) Methode anwenden, um die Treue und Diversit盲t von GANs zu bewerten, Quellen von Verzerrungen und die M枚glichkeiten, diese in GANs zu erkennen, identifizieren und die Techniken im Zusammenhang mit dem hochmodernen StyleGAN lernen und implementieren.

Kurs 3: In diesem Kurs werden Sie GANs zur Datenerweiterung und zum Schutz der Privatsph盲re einsetzen, weitere Anwendungen von GANs untersuchen und Pix2Pix und CycleGAN 蹿眉谤 die Bild眉bersetzung entwickeln.

Diese Specialization richtet sich an Software-Ingenieure, Studenten und Forscher aus allen Bereichen, die sich 蹿眉谤 maschinelles Lernen interessieren und verstehen wollen, wie GANs funktionieren.

Diese Specialization 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 ohne vorherige Vertrautheit mit fortgeschrittener Mathematik und maschineller Lernforschung.

Die Lernenden sollten 眉ber Kenntnisse in den Bereichen KI, Deep Learning und Faltungsneuronale Netze verf眉gen. Sie sollten 眉ber fortgeschrittene Python-Kenntnisse verf眉gen und einige Erfahrung mit einem Deep Learning Framework (TensorFlow, Keras oder PyTorch) haben. Sie sollten 眉ber Grundkenntnisse in Kalk眉l, linearer Algebra und Statistik verf眉gen.

Wir empfehlen Ihnen dringend, die zu absolvieren, bevor Sie die GANs Specialization beginnen.

Nach Abschluss dieser Specializations werden Sie gelernt haben, wie man den Stand der Technik bei der realistischen Generierung erreicht. Sie werden in der Lage sein, realistische Bilder zu erzeugen, diese Bilder zu bearbeiten, indem Sie die Ausgabe auf verschiedene Weise steuern (z.B. ein Pferd in ein Zebra umwandeln oder Ihr Haar verl盲ngern oder sich selbst 盲lter machen), Generatoren quantitativ zu vergleichen, ein Bild in ein anderes umzuwandeln (z.B. eine Skizze in eine fotorealistische Version), Standbilder zu animieren, viele der Herausforderungen zu l枚sen, 蹿眉谤 die GANs ber眉chtigt sind, und vieles mehr.

Diese Specializations wurde von , einer Doktorandin im Bereich CS an der Stanford University, unter der Leitung von Andrew Ng entwickelt. Sharon Zhous Arbeit im Bereich der KI reicht von der Theorie bis zur Anwendung in den Bereichen Medizin, Klima und im weiteren Sinne des sozialen Wohls. Sharon Zhou war zuvor Produktmanagerin 蹿眉谤 maschinelles Lernen bei Google und verschiedenen Startups und hat einen Harvard-Abschluss in CS und Klassischer Philologie. Sie mag Menschen mehr als KI, obwohl GANs einen besonderen Platz in ihrem Herzen einnehmen.

Dies ist eine Specialization, die aus 3 Kursen besteht.

Wir empfehlen, die Kurse in der vorgeschriebenen Reihenfolge zu belegen, um eine logische und gr眉ndliche Lernerfahrung zu machen.

Diese Spezialisierung besteht aus drei Kursen. Bei 5 Stunden pro Woche dauert es normalerweise 4 Wochen, um jeden Kurs abzuschlie脽en.

Dieses Programm ist komplett online, Sie m眉ssen also nicht pers枚nlich in einem Klassenzimmer erscheinen. Sie k枚nnen jederzeit und 眉berall 眉ber das Internet oder Ihr mobiles Ger盲t auf Ihre Vorlesungen, Texte und Aufgaben zugreifen.

Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-t盲gige Testphase, in der Sie kostenlos k眉ndigen k枚nnen. Danach gew盲hren wir keine R眉ckerstattung, aber Sie k枚nnen Ihr Abonnement jederzeit k眉ndigen. Siehe unsere vollst盲ndigen R眉ckerstattungsbedingungen.

Ja! Um loszulegen, klicken Sie auf die Programmkarte, die Sie interessiert, und melden Sie sich an. Sie k枚nnen sich registrieren und das Programm abschlie脽en, um ein Zertifikat zu erhalten, das Sie mit anderen teilen k枚nnen. Oder Sie k枚nnen das Programm besuchen, um das Programmmaterial kostenlos anzusehen. Wenn Sie sich 蹿眉谤 ein Programm anmelden, das Teil einer Spezialisierung ist, sind Sie automatisch auch 蹿眉谤 die gesamte Spezialisierung angemeldet. Besuchen Sie Ihr Lerner-Dashboard, um Ihren Fortschritt zu verfolgen.

Ja. F眉r ausgew盲hlte Lernprogramme k枚nnen Sie eine finanzielle Unterst眉tzung oder ein Stipendium beantragen, wenn Sie die Anmeldungsgeb眉hr nicht aufbringen k枚nnen. Wenn 蹿眉谤 das von Ihnen gew盲hlte Lernprogramm eine finanzielle Unterst眉tzung oder ein Stipendium verf眉gbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.

Nein, Sie k枚nnen diesen Kurs nicht kostenlos besuchen.Wenn Sie sich 蹿眉谤 das Programm registrieren, erhalten Sie Zugang zu allen Programmen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Wenn Sie die Programminhalte nur lesen und ansehen m枚chten, k枚nnen Sie das Programm kostenlos besuchen. Wenn Sie sich die Geb眉hr nicht leisten k枚nnen, ist die Beantragung finanzieller Unterst眉tzung m枚glich.