Classification of COVID19 using Chest X-ray Images in Keras

4.6
звезд

Оценки: 25

от партнера
В этом Проект с консультациями вы:

Learn to Build and Train the Convolutional Neural Network using Keras with Tensorflow as Backend

Learn to Visualize Data in Matplotlib

Learn to make use of the Trained Model to Predict on a New Set of Data

2 hours
Учащийся среднего уровня
Загрузка не требуется
Видео на разделенном экране
Английский
Только для ПК

In this 1 hour long project-based course, you will learn to build and train a convolutional neural network in Keras with TensorFlow as backend from scratch to classify patients as infected with COVID or not using their chest x-ray images. Our goal is to create an image classifier with Tensorflow by implementing a CNN to differentiate between chest x rays images with a COVID 19 infections versus without. The dataset contains the lungs X-ray images of both groups.We will be carrying out the entire project on the Google Colab environment. Please be aware of the fact that the dataset and the model in this project, can not be used in the real-life. We are only using this data for educational purposes. By the end of this project, you will be able to build and train the convolutional neural network using Keras with TensorFlow as a backend. You will also be able to perform data visualization. Additionally, you will also be able to use the model to make predictions on new data. You should be familiar with the Python Programming language and you should have a theoretical understanding of Convolutional Neural Networks. You will need a free Gmail account to complete this project. 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.

Навыки, которые вы получите

  • Data Science

  • Deep Learning

  • Convolutional Neural Network

  • Python Programming

  • Keras/ Tensorflow

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Introduction & Import Libraries

  2. Clone and Explore Dataset

  3. Data Visualization

  4. Data preprocessing and Augmentation

  5. Build a Convolutional Neural Network (CNN)

  6. Compile and Train the Model

  7. Performance Evaluation

  8. Prediction on New Data

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Рецензии

Лучшие отзывы о курсе CLASSIFICATION OF COVID19 USING CHEST X-RAY IMAGES IN KERAS

Посмотреть все отзывы

Часто задаваемые вопросы

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.