"""

Aprendizado Profundo com Caffe 2 - Prático!

Construa, treine e implante modelos usando a velocidade e eficiência do Caffe 2 e esteja preparado para o futuro no mundo do aprendizado profundo

O Caffe 2 é um framework de Aprendizado Profundo de código aberto, refatorado para fornecer maior flexibilidade em computação. É um framework leve e modular, e está sendo otimizado para aplicativos em nuvem e dispositivos móveis. Ele impulsiona o Aprendizado Profundo em dispositivos móveis e de baixa potência, construindo, treinando e avaliando os modelos e permite a programação para dispositivos Android e iOS, e placas Raspberry Pi. Se você deseja desenvolver suas próprias redes neurais personalizadas e modelos de aprendizado profundo que também possam ser implantados de forma eficiente, então faça este curso. Este curso ensina você a criar, treinar e implantar suas redes neurais e modelos de aprendizado profundo usando o Caffe 2. Você começará com uma introdução ao Caffe 2 e aprenderá os conceitos básicos do Caffe 2, como blobs, workspaces, operadores e redes. Em seguida, você construirá redes neurais e desenvolverá uma compreensão de redes neurais convolucionais, RNNs, Adam, Dropout, BatchNorm e muito mais. Você também aprenderá como treinar e manipular redes neurais profundas de forma eficaz. Por fim, você aprenderá como implantar seus modelos em dispositivos móveis.

Conteúdo e Visão Geral

Este programa de treinamento inclui 2 cursos completos, cuidadosamente escolhidos para fornecer o treinamento mais abrangente possível. O primeiro curso, "Aprendizado Profundo Prático com Caffe2", começa com o básico do Caffe2, como blobs, workspaces, operadores e redes. Em seguida, você aprenderá como construir um modelo usando a nova API brew do Caffe 2. Você também aprenderá como criar Redes Neurais Convolucionais (CNNs) que podem identificar não apenas a caligrafia, mas também itens de moda a partir de uma imagem. Em seguida, você trabalhará na transferência de aprendizado para permitir que você trabalhe com CNNs para reconhecimento de imagem, ajustando modelos que já estão pré-treinados em um conjunto de dados em grande escala. Por fim, você aprenderá como implantar seus modelos em qualquer plataforma. No segundo curso, "Introdução ao Aprendizado Profundo com Caffe2", você aprenderá os fundamentos do aprendizado profundo, entenderá como construir redes neurais e desenvolverá uma compreensão de redes convolucionais, RNNs, Adam, Dropout, BatchNorm e muito mais. Você trabalhará em vários projetos ao longo deste MOOC, com foco em como treinar e manipular uma rede neural profunda de forma eficaz. Ao final deste curso, você será capaz de criar e treinar modelos de aprendizado profundo com eficiência usando o Caffe2, fornecendo suporte de alto desempenho e de primeira classe para treinamento distribuído em grande escala, implantação móvel, suporte a novos hardwares e flexibilidade.

Conheça seu(s) especialista(s):

Temos o melhor trabalho do(s) seguinte(s) autor(es) renomado(s) para garantir que sua jornada de aprendizado seja tranquila: - Shuai Zheng, também conhecido como Alex, fez seu doutorado em Aprendizado de Máquina e Visão Computacional na Universidade de Oxford. Ele publicou em conferências de alto nível de aprendizado de máquina e visão computacional, como CVPR, ECCV e ICCV. Seus interesses de pesquisa estão no aprendizado profundo e suas aplicações em visão computacional, como segmentação semântica. Atualmente, ele é cientista de pesquisa na eBay Inc, onde trabalha em problemas fundamentais e práticos em Realidade Aumentada, Visão Computacional e Aprendizado Profundo. - Abhishek Kumar Annamraju é o CTO e co-fundador da Visionary Imaging. Suas áreas de pesquisa incluem visão computacional, aprendizado de máquina, PNL e fotogrametria. Como parte de sua tese de graduação e depois de continuar empregado na Tata Elxsi, na Índia, ele construiu e liderou a equipe de aprendizado de máquina e análise de sensores. Ele possui artigos de pesquisa sobre classificadores em cascata e análise de objetos baseada em forma, e uma pesquisa sobre classificador de sinais de trânsito com precisão de até 99% de acordo com as estatísticas do GTSRB é uma das soluções de ponta disponíveis. Ele participou do programa Google Summer of Code (GSoC), 2016, trabalhando com Open-Detection, para desenvolver um classificador baseado em visão orientada a aprendizado profundo e um módulo de treinamento de classificador baseado em GUI de ponta a ponta. Seus projetos anteriores incluem solução de monitoramento baseada em imagem para combater a mineração ilegal de areia, detecção de veículos em tempo real na estrada, geração e classificação de modelos faciais 3D, reconhecimento facial baseado em aprendizado profundo e calibração automática de câmera para imagens de olho de peixe (Visionary Imaging, Índia). Ele também fez parte do desafio Mahindra rise, 2014, para desenvolver módulos de detecção de objetos em tempo real com câmera estacionária. Seu trabalho de pesquisa inclui projetos envolvendo correspondência de esboço forense com imagem e processamento de imagens biomédicas. - Akash Deep Singh é o COO e co-fundador da Visionary Imaging e é apaixonado por combinar Inteligência Artificial e Visão Computacional. Antes da Visionary Imaging, ele trabalhou na construção de soluções que vão desde sistemas inovadores para detectar e classificar câncer de glioma até uma solução de câmera de geração de estatísticas em tempo real para jogadores de basquete. Ele também fez parte da equipe que construiu a primeira câmera panorâmica da Índia, onde atuou como líder de Aprendizado de Máquina. Ele possui vasta experiência na construção de sistemas de detecção e rastreamento de objetos em tempo real. Seus projetos anteriores incluem firmware de piloto automático para drones de busca e resgate, construção de software de reconhecimento facial disfarçado e impostor, um veículo de navegação todo-terreno e correspondência de imagem de esboço para imagem facial para fins forenses. Medalhista de ouro na Olimpíada Nacional de Cibersegurança, ele adora ler livros.

O que você aprenderá

- Aprenda a arquitetura do Caffe 2 e como usar a plataforma de forma eficiente - Trabalhe com brew, uma API para criar modelos no Caffe2 - Aborde o problema de aprendizado supervisionado de classificação de imagem usando o Caffe2 - Como usar RNNs no Caffe2 para escrever poemas como Shakespeare - Entenda a Rede Q Profunda e como usá-la no Caffe2 - Implemente Retropropagação e Descida de Gradiente - Explore diferentes camadas de CNN e o problema de Classificação de Imagem - Entenda a importância da inicialização de pesos e otimização no aprendizado profundo - Execute seus modelos em dispositivos móveis"""