introduction
De nos jours, il existe une quantité écrasante de ressources disponibles pour l'apprentissage des concepts de vision par ordinateur.. Comment choisir parmi une multitude de tutoriels? Comment vaut-il la peine d'investir votre temps?
Si ces questions vous semblent familières, Vous êtes au bon endroit. Nous comprenons la douleur et les efforts nécessaires pour utiliser des centaines de ressources et choisir celles qui valent la peine que vous y consacrez votre temps.. C'est l'une des principales raisons pour lesquelles nous avons lancé les parcours d'apprentissage en premier lieu..
Jusqu'à l'année dernière, nous nous concentrons largement sur deux voies: aprendizaje automático y l'apprentissage en profondeurL'apprentissage en profondeur, Une sous-discipline de l’intelligence artificielle, s’appuie sur des réseaux de neurones artificiels pour analyser et traiter de grands volumes de données. Cette technique permet aux machines d’apprendre des motifs et d’effectuer des tâches complexes, comme la reconnaissance vocale et la vision par ordinateur. Sa capacité à s’améliorer continuellement au fur et à mesure que de nouvelles données lui sont fournies en fait un outil clé dans diverses industries, de la santé.... Mais notre communauté voulait des routes plus granuleuses; ils voulaient également un parcours d'apprentissage structuré pour la vision par ordinateur.
Et c'est compréhensible. La demande et la valeur d'un expert en vision par ordinateur sont très élevées dans l'industrie. Spécialisé en vision par ordinateur et ses différentes facettes, et vous verrez beaucoup de recruteurs essayer de mettre la main sur vous.
Je me souviens quand j'ai commencé mon propre voyage de vision par ordinateur. Je faisais référence à plusieurs ressources simultanément: livres, des articles (dont il n'y en avait pas beaucoup à l'époque), Vidéos youtube, entre autres choses. C'était un chemin dispersé vers la maîtrise de la vision par ordinateur.
Donc, J'ai eu le plaisir de vous proposer ce parcours d'apprentissage structuré de la vision par ordinateur.. Avant d'y entrer, Comprenons le cadre que j'ai créé pour rationaliser votre parcours d'apprentissage.
Notre cadre pour le parcours d'apprentissage de la vision par ordinateur
Chaque mois a aussi une structure. Voici comment nous avons classé les différents aspects que vous devez connaître pour chaque mois:
- Cibler: Qu'allez-vous apprendre ce mois-là? Quelles sont les principales conclusions? Comment votre voyage de vision par ordinateur progressera-t-il? Nous mentionnons cela au début de chaque mois pour nous assurer que vous savez où vous êtes et où vous serez à la fin de ce mois particulier..
- Temps suggéré: Combien de temps en moyenne dois-je passer sur cette section par semaine
- Ressources pour apprendre: Une collection des meilleures ressources pour les sujets de vision par ordinateur que vous apprendrez au cours de ce mois. Cela inclut les articles, tutoriels, vidéos, documents de recherche et autres ressources similaires.
Vous pouvez télécharger l'infographie correspondante de ce parcours d'apprentissage. ici.
À la recherche d'autres parcours d'apprentissage en science des données? Ne t'inquiète pas, nous l'avons couvert:
Mes 1 – Couvrir les bases: Python et statistiques
Cibler: A la fin du premier mois, avoir une compréhension de base de ce qu'est la vision par ordinateur. Vous serez également à l'aise avec Python et les statistiques, les deux thèmes centraux de votre parcours de vision par ordinateur.
Temps suggéré: 5-6 heures par semaine
Introduction et motivation pour la vision par ordinateur: Tutoriel SAS et vision par ordinateur: qu'est-ce que c'est et pourquoi est-ce important.
Exigences précédentes:
Mes 2 – Résoudre un Problème de classification d'images à l'aide de l'apprentissage automatique
Cibler: Avoir une compréhension de base de l'apprentissage automatique. Vous devez être à l'aise avec différentes techniques de prétraitement d'images et serez capable de résoudre des problèmes de classification d'images à l'aide de modèles d'apprentissage automatique..
Temps suggéré: 5-6 heures par semaine
Bases de l'apprentissage automatique:
Pré-traitement des images:
Classification d'images à l'aide de l'apprentissage automatique:
Projet: Identifier les vêtements
Mes 3 – Introduction à Keras et aux réseaux de neurones
Cibler: Vous apprendrez l'un des outils d'apprentissage en profondeur les plus utilisés: Dur. Vous comprendrez également ce que sont les réseaux de neurones et comment ils fonctionnent. Fin mars, être capable de résoudre des problèmes de classification d'images à l'aide de réseaux de neurones.
Temps suggéré: 4-5 heures par semaine
Familiarisez-vous avec Keras:
Introduction aux réseaux de neurones:
- Réseaux de neurones par 3Blue1Brown:
Projet: Identifier les vêtements
Mes 4: comprendre les réseaux de neurones convolutifs (CNN), transfert d'apprentissage et création de votre profil
Cibler: J'aime appeler ça le mois “en mouvement” sur votre parcours de vision par ordinateur. C'est là que les choses montent d'un cran avec l'introduction des réseaux de neurones convolutifs. (CNN). Ces CNN sont à l'origine de nombreuses applications récentes de vision par ordinateur que nous voyons autour de nous., y compris la détection d'objets. A ce stade de votre voyage, vous devriez également commencer à créer votre profil en participant à des concours.
Temps suggéré: 6-7 heures par semaine
Introduction aux réseaux de neurones convolutifs (CNN):
Introducción al aprendizaje transferidoEl aprendizaje transferido se refiere a la capacidad de aplicar conocimientos y habilidades adquiridos en un contexto a otro diferente. Este fenómeno es fundamental en la educación, ya que facilita la adaptación y resolución de problemas en diversas situaciones. Para optimizar el aprendizaje transferido, es importante fomentar conexiones entre los contenidos y promover la práctica en entornos variados, lo que contribuye al desarrollo de competencias transferibles....:
Projet: Identifier les chiffres
Construisez votre profil: participer à des concours:
Mes 5: dépannage de la détection d'objets
Cibler: La détection d'objets est une technique de vision par ordinateur largement utilisée (peut-être LE plus utilisé). C'est ce qui m'a attiré vers la vision par ordinateur en premier lieu !! Ce mois-ci, il s'agit de se familiariser avec les différents algorithmes de détection d'objets. En outre, Je recommande fortement d'écrire des articles sur les concepts que vous avez appris jusqu'à présent.
Temps suggéré: 6-7 heures par semaine
Dépannage de la détection d'objets:
Projet:
Commencez à écrire des articles pour vous engager avec la communauté, construire votre profil et solidifier votre propre compréhension des sujets.
Mes 6: Comprendre la segmentation des images et les modèles d'attention
Cibler: En juin, aprenderá a resolver problemas de segmentationLa segmentation est une technique de marketing clé qui consiste à diviser un large marché en groupes plus petits et plus homogènes. Cette pratique permet aux entreprises d’adapter leurs stratégies et leurs messages aux spécificités de chaque segment, améliorant ainsi l’efficacité de vos campagnes. Le ciblage peut se faire sur des critères démographiques, Psychographique, géographique ou comportementale, Faciliter une communication plus pertinente et personnalisée avec le public cible.... de imágenes. Vous comprendrez également quels sont les modèles de soins (à la fois théorique et pratique). C'est là que votre plongée profonde dans la vision par ordinateur commence vraiment à porter ses fruits..
Temps suggéré: 6-7 heures par semaine
Introduction à la segmentation d'images:
Projet: Défi de segmentation COCO
Modèles de soins:
Mes 7: Explorer les outils d'apprentissage en profondeur
Cibler: Un mois d'apprentissage vraiment amusant!! Nous avons couvert de nombreux concepts de vision par ordinateur jusqu'à présent, Il est maintenant temps de passer aux choses sérieuses avec les frameworks d'apprentissage en profondeur de nouvelle génération !! Cela revient au choix, mais nous recommandons les deux plus courants dans l'industrie en ce moment: PyTorch et TensorFlow. Essayez de mettre en œuvre tous les concepts que vous avez couverts jusqu'à présent dans l'un de ces outils.
Temps suggéré: 6-7 heures par semaine
PyTorche:
TensorFlow:
Mes 8 – Comprendre les bases de la PNL et des légendes d'images
Cibler: C'est ici que commence votre spécialisation. Ici, vous avez la possibilité de combiner vos connaissances en apprentissage en profondeur avec les concepts du traitement du langage naturel. (PNL) pour résoudre des projets de légende d'image.
Temps suggéré: 6-7 heures par semaine
Notions de base sur le traitement du langage naturel (PNL):
- Incrustations de mots Stanford:
- Introduction aux réseaux de neurones récurrents (RNN):
Comprendre les légendes des images
Projet: Défi Légende COCO
Mes 9 – Se familiariser avec les réseaux d'adversaires génératifs (GAN)
Cibler: En septembre, comprendre les réseaux d'adversaires génératifs (GAN). Les GAN ont monté en flèche depuis que Ian Goodfellow les a officiellement présentés à 2014. Il existe de nombreuses applications GAN dans le monde réel de nos jours, y compris la peinture, imagerie, etc.
Temps suggéré: 6-7 heures par semaine
Compréhension des réseaux génératifs conflictuels (GAN):
- Réseaux génératifs de confrontation (GAN) par Ian Goodfellow:
Mes 10: Introduction à l'analyse vidéo
Cibler: L'analyse vidéo est une application florissante de la vision par ordinateur. La demande pour cette compétence n'augmentera que de 2020 (et au-delà), c'est donc une bonne idée d'avoir au moins une connaissance pratique de la façon de travailler avec des ensembles de données vidéo.
Temps suggéré: 5-6 heures par semaine
Introducción a la analytiqueL’analytique fait référence au processus de collecte, Mesurer et analyser les données pour obtenir des informations précieuses qui facilitent la prise de décision. Dans divers domaines, Comme les affaires, Santé et sport, L’analytique peut identifier des modèles et des tendances, Optimiser les processus et améliorer les résultats. L’utilisation d’outils et de techniques statistiques de pointe est essentielle pour transformer les données en connaissances applicables et stratégiques.... De la vidéo:
Mois 11 Oui 12 – Résoudre des projets et construire votre profil
Cibler: Les deux derniers mois sont consacrés à l'acquisition d'une expérience pratique et à la participation à plusieurs projets et concours. Jusqu'à présent, nous avons couvert des projets ainsi que des concepts d'apprentissage; il est maintenant temps de libérer votre apprentissage sur des ensembles de données du monde réel.
Temps suggéré: 5-6 heures par semaine
Infographie – Parcours d'apprentissage de la vision artificielle pour 2020
Hacer un seguimiento de su progreso a mesureLa "mesure" C’est un concept fondamental dans diverses disciplines, qui fait référence au processus de quantification des caractéristiques ou des grandeurs d’objets, phénomènes ou situations. En mathématiques, Utilisé pour déterminer les longueurs, Surfaces et volumes, tandis qu’en sciences sociales, il peut faire référence à l’évaluation de variables qualitatives et quantitatives. La précision des mesures est cruciale pour obtenir des résultats fiables et valides dans toute recherche ou application pratique.... que aprende cosas nuevas es clave para un proceso de aprendizaje estructurado. J'aime garder une liste de contrôle au fur et à mesure que j'apprends., marquer les choses au fur et à mesure que je plonge dans le domaine. Et quelle meilleure liste de contrôle qu'une liste illustrée avec une ventilation mois par mois de ce parcours d'apprentissage de la vision par ordinateur ?? Ici tu as:
