🚨 Time is Running Out: Reserve Your Spot in the Lucky Draw & Claim Rewards! START NOW
tonton sekarang
43 Siswa

Deskripsi

Apa Yang Akan Kamu Pelajari?

  • Belajar memprogram kode Profesional - tidak cuma salin dan tempel Membangun proyek nyata - kamu akan mengerjakan proyek yang membantumu mengingat materi yang kamu pelajari Buat apps keren yang bisa melakukan prediksi Membuat apps luar bisa yang bisa mengklasifikasikan tulisan tangan manusia

Persyaratan

  • Memiliki Komputer dengan Sistem Operasi OSX atau macOS
  • NFT Certificate
  • 42 Pelajaran
  • Pemula
  • English
  • 4.7 Nilai
  • +100 XP

Share Course on Social media

Kurikulum

Course consist of total 6j 52m of content, in total.

Bagian 2: Dasar-Dasar Python
37:28
Fungsi, Kondisi & Loop dalam Python
09:50
Array & Tuple in Python
13:52
Mengimpor Modul dalam Python
05:22
Bagian 3: Membangun Model Klasifikasi
1:07:44
Pengantar Dataset Iris
03:28
Datasets: Fitur & Label Terjelaskan
07:39
Memuat Dataset / Memeriksa & Mempersiapkan Data
09:27
Membuat / Melatih sebuah KNeighbors Classifier
09:42
Menguji Akurasi Prediksi dengan Data Uji
12:08
Membuat KNeighborsClassifier Milikmu Sendiri
18:00
Apa Itu scikit-learn-Kenapa harus Menggunakannya?
03:52
Memasang scikit-learn & scipy dengan Anaconda
03:28
Bagian 4: Membuat Jaringan Saraf Convolutional
2:02:06
Apa itu Keras? Kenapa Harus Menggunakannya?
08:01
Apa Itu Convolutional Neural Network (CNN) (Jaringan Saraf Convolutional)?
26:30
Memasang Keras Dengan Anaconda
04:38
Mempersiapkan Dataset untuk sebuah CNN
17:38
Membangun / Memvisualisasikan sebuah CNN menggunakan Sequential: Part 1
14:07
Membangun / Memvisualisasikan sebuah CNN menggunakan Sequential: Part 2
19:40
Melatih CNN / Mengevaluasi Akurasi / Menyimpan ke dalam disk
17:53
Mengganti Lingkungan Python / Merubahnya ke Model Core ML
13:39
Bagian 5: Membuat Aplikasi Rekognisi Tulisan Tangan
1:13:39
Pengantar App – Tulisan Tangan
02:56
Membuat Interface / Menyambungkan
11:42
Menggambar di lauar
21:01
Mengimpor Model Core ML / Membaca Metadata
05:16
Memanfaatkan Core ML / Vision Untuk Membuat Prediksi
17:31
Menangani / Menampilkan Hasil Prediksi
15:13
Bagian 6: Dasar-Dasar Core ML
1:20:37
Pengantar App – Analisis Foto Core ML
04:25
Apa Itu Machine Learning?
07:46
Apa Itu Core ML?
05:03
Membuat Proyek Xcode
02:43
Membuat ImageVC dalam Interface Builder / Menyambungkan
07:40
Membuat ImageCell & Subclass / Menyambungkan
08:13
Membuat File Pembantu FoodItems
07:02
Membuat Custom 3x3 Grid UICollectionViewFlowLayout
09:12
Memilih, Mengunduh, Mengimpor Model Core ML
05:18
Mengoper Gambar Melalui Model Core ML
12:18
Menangani Hasil Prediksi Core ML
09:42
Tantangan – Analisis Foto Core ML
01:15

Ulasan platform BitDegree