Оценки: 266
6 700 уже зарегистрированы
Understand the theory and intuition behind Autoencoders
Build and train an image denoising autoencoder using Keras with Tensorflow 2.0 as a backend
Assess the performance of trained autoencoders using various Key performance indicators
In this 1-hour long project-based course, you will be able to: - Understand the theory and intuition behind Autoencoders - Import Key libraries, dataset and visualize images - Perform image normalization, pre-processing, and add random noise to images - Build an Autoencoder using Keras with Tensorflow 2.0 as a backend - Compile and fit Autoencoder model to training data - Assess the performance of trained Autoencoder using various KPIs Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Deep Learning
Artificial Intelligence (AI)
Machine Learning
Python Programming
Computer Vision
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Project Overview
Import libraries and datasets
Perform data visualization
Perform data preprocessing
Understand the theory and intuition behind autoencoders
Build and train autoencoder model
Evaluate trained model performance
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
от партнера AM
21 июля 2020 г.My Cloud access was denied after a certain time.. I had to do the coding all over again in my notebook. Rest was good.
от партнера HS
5 апр. 2020 г.Just right for me at the moment I was doing it I just needed to do a light project in which I could gain some practical skills
от партнера SK
10 июля 2020 г.Clear explanation of auto encoders. This guided project was just right to get a good understanding of the topic
от партнера HA
13 окт. 2020 г.He is far better than other teachers in coursera guided projects section
Приобретая проект с консультациями, вы получаете все необходимое для его выполнения, включая браузерный доступ к рабочему столу, содержащему папки и программы для начала работы, а также пошаговые видеоинструкции от отраслевого эксперта.
Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.
Преподаватели, ведущие проект с рекомендациями, — это отраслевые эксперты с навыками, инструментами и пониманием темы, которые хотят разделить свои знания с миллионами учащихся по всему миру.
Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.
Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.
Финансовая помощь недоступна для проектов с рекомендациями.
Прослушивание недоступно для проектов с консультациями.
В верхней части страницы вы можете нажать уровень опыта для этого проекта с консультациями, чтобы просмотреть предварительные требования к знаниями. Преподаватель проведет вас пошагово по каждому уровню проекта с консультациями.
Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.
Вы научитесь выполнять задания в режиме разделенного экрана непосредственно в браузере. В левой части экрана можно выполнять задания в своем рабочем пространстве. В правой части экрана можно просматривать пошаговые инструкции преподавателя по работе с проектом.
Остались вопросы? Посетите Центр поддержки учащихся.
