Build a Deep Learning Based Image Classifier with R
Solve a basic image classification problem with neural networks
Build, train, and evaluate a neural network model with Keras using R
In this 45-min guided project, you will learn the basics of using the Keras interface to R with Tensorflow as its backend to solve an image classification problem. By the time you complete this project, you will have used the R programming language to build, train, and evaluate a neural network model to classify images of clothing items into categories such as t-shirts, trousers, and sneakers. We will be training the deep learning based image classification model on the Fashion MNIST dataset which contains 70000 grayscale images of clothes across 10 categories. In order to be successful in this project, you should be familiar with R programming, and basics of neural networks. 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
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Project Overview and Import Libraries
Import the Fashion MNIST Dataset
Data Exploration
Preprocess the Data
Build the Model
Compile the Model
Train and Evaluate the Model
Make Predictions on Test 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 BUILD A DEEP LEARNING BASED IMAGE CLASSIFIER WITH R
I like the way we got involved into practice by setting goals which are a bit challenging yet we want to achieve successfully.
Really useful If you've already had some experience In deep learning just to refresh yourself
Good hands-on experience if you are interested in neural networks and image classification
I really enjoyed working with this project. Thank you so much for the valuable teaching.
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
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.
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.
Какие преподаватели ведут проекты с рекомендациями?
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.
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.
Какие правила возврата средств?
Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.
Можно ли получить финансовую помощь?
Финансовая помощь недоступна для проектов с рекомендациями.
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Прослушивание недоступно для проектов с консультациями.
Какие предварительные знания требуются для работы над проектом с рекомендациями?
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.
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.
Как организована учеба на проектах с рекомендациями?
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.
Coursera Footer
