Descrição do Curso
A aprendizagem por transferência é uma técnica poderosa na aprendizagem automática que envolve a utilização de modelos pré-treinados para melhorar o desempenho dos seus próprios modelos. Nestas lições, aprenderá sobre os diferentes benefícios da aprendizagem por transferência e como utilizar modelos pré-treinados para melhorar o desempenho dos seus projectos de aprendizagem automática.
Começará por explorar as diferentes afirmações Verdadeiro/Falso relacionadas com a aprendizagem por transferência, tais como a necessidade de reformular os dados para modelos pré-treinados e a importância de utilizar a entropia cruzada binária para problemas de classificação de duas classes. Também aprenderá sobre modelos de imagem populares utilizados na aprendizagem por transferência, como o MobileNetV2, e onde descarregar modelos TensorFlow pré-treinados.
Mais adiante, você descobrirá as diferentes etapas de pré-processamento envolvidas na aprendizagem por transferência, como reformulação de dados e normalização de dados. Também explorará os benefícios do agrupamento, como acelerar seu modelo e facilitar o processamento de grandes conjuntos de dados.
Aprenderá a utilizar ferramentas como os conjuntos de dados de validação e as matrizes de confusão para afinar o seu modelo e melhorar o seu desempenho. Além disso, irá explorar os diferentes parâmetros envolvidos na aprendizagem por transferência, como o número de épocas de treino e o congelamento de pesos.
O Que Você Vai Aprender
- Compreender o conceito de aprendizado por transferência e seus benefícios no aprendizado de máquina
- Usar modelos pré-treinados do TensorFlow, como MobileNetV2, para melhorar seus projetos de aprendizado de máquina
- Pré-processar dados para modelos pré-treinados redimensionando e normalizando-os
- Construir, compilar e treinar um modelo de aprendizado por transferência
- Ajustar seu modelo usando conjuntos de dados de validação e matrizes de confusão
- Testar e validar o ajuste de seu modelo em exemplos
Principais Conclusões
- O aprendizado por transferência usa modelos pré-treinados para melhorar o desempenho de seus próprios modelos de aprendizado de máquina.
- MobileNetV2 é um modelo de imagem popular usado no aprendizado por transferência, e modelos pré-treinados do TensorFlow podem ser baixados para uso.
- O pré-processamento para aprendizado por transferência inclui redimensionar dados e normalizar dados para que funcione com modelos pré-treinados.
- O agrupamento em lotes acelera seu modelo e facilita o processamento de conjuntos de dados grandes.
- Os parâmetros no aprendizado por transferência incluem o número de épocas para treinamento e o congelamento de pesos.
Perguntas Frequentes
O que vou aprender neste curso?
Você aprenderá o conceito de aprendizado por transferência e seus benefícios, como usar modelos pré-treinados como MobileNetV2 para melhorar seus projetos de aprendizado de máquina, como pré-processar dados redimensionando e normalizando-os, e como ajustar seu modelo usando conjuntos de dados de validação e matrizes de confusão.
Quais habilidades este curso abrange?
O curso abrange Aprendizado Profundo, Treinamento de Modelo de Aprendizado de Máquina, Aprendizado Supervisionado, TensorFlow, Conjuntos de Dados de Treinamento e Aprendizado por Transferência.
Quais tópicos são abordados nas lições?
As lições abrangem a construção de um modelo de aprendizado por transferência, compilação e treinamento do modelo, teste do modelo em exemplos e validação do ajuste do modelo.
Quais etapas de pré-processamento este curso ensina para aprendizado por transferência?
Ele ensina etapas de pré-processamento, como redimensionar dados e normalizar dados, e explica os benefícios do agrupamento em lotes, incluindo acelerar seu modelo e facilitar o processamento de conjuntos de dados grandes.
Quais parâmetros do modelo são discutidos neste curso?
O curso explora parâmetros envolvidos no aprendizado por transferência, como o número de épocas para treinamento e o congelamento de pesos.
