文件名称：Coursera-guided-projects:Coursera指导的项目
文件大小：33.31MB
文件格式：ZIP
更新时间：2024-04-09 02:27:47
JupyterNotebook
Coursera指导的项目 项目结构 人脸检测 眼睛检测 面部和眼睛检测 行人检测 汽车行驶检测 车牌检测 在这个基于项目的课程中，我们将在Scikit-surprise库的帮助下使用协作过滤创建一个推荐系统，该系统将从过去的用户行为中学习。我们将使用电影镜头数据集，并且在该项目结束时，我们将能够根据每个用户的过去评分为他们提供独特的电影推荐。 我们将要使用的数据集来自美国国立糖尿病，消化与肾脏疾病研究所，并且包含一组女性患者的匿名诊断测量结果。我们将训练一台支持向量机，根据这些测量值来预测新患者是否患有糖尿病。 在本项目中，您将学习使用权重正则化和辍学正则化来减少图像分类问题中的过拟合问题的基础。在该项目结束之前，您将创建，训练和评估一个神经网络模型，在训练和正则化之后，该模型将为训练和验证集预测具有相似准确性的输入示例的图像类。 当我们训练神经网络模型时，您可能会注意到该模型在训练数据
【文件预览】：
Coursera-guided-projects-master
----Detecting COVID-19 with Chest X-Ray using PyTorch()
--------Detecting COVID-19 with Chest X-Ray using PyTorch.ipynb(12KB)
----README.md(11KB)
----Computer Vision - Object Detection with OpenCV and Python()
--------Car_Detection.ipynb(2KB)
--------Pedestrians_Detection.ipynb(2KB)
--------Eyes_Detection.ipynb(432KB)
--------Videos()
--------Car_Plates_Detection.ipynb(859KB)
--------Face_Detection.ipynb(345KB)
--------Haarcascades()
--------Face_and_Eyes_Detection.ipynb(147KB)
--------Images()
----Creating Custom Callbacks in Keras()
--------Creating a Custom Callback in Keras.ipynb(5KB)
----Basic Image Classification with TensorFlow()
--------TensorFlow Beginner - Basic Image Classification.ipynb(21KB)
--------Basic_Image_Classification.ipynb(99KB)
--------Neural Network.pdf(203KB)
--------images()
----Multiple Linear Regression with scikit-learn()
--------multiple-linear-regression.ipynb(178KB)
--------Advertising.csv(4KB)
----Medical Diagnosis using Support Vector Machines()
--------data.csv(23KB)
--------demo.ipynb(3KB)
--------medical_svm.ipynb(21KB)
----Movie Recommendation System using Collaborative Filtering()
--------Movies_Recommendation.ipynb(53KB)
--------ratings.csv(2.37MB)
----Build Multilayer Perceptron Models with Keras()
--------Topic_Classification.ipynb(51KB)
--------Topic Classification with Tensorflow and Keras.ipynb(52KB)
----Create Custom Layers in Keras()
--------utils.py(2KB)
--------Custom Layers in Keras.ipynb(4KB)
----Understanding Deepfakes with Keras()
--------artist_critic.png(27KB)
--------Understanding Deepfakes with Keras - Complete.ipynb(9KB)
--------DCGAN.png(188KB)
----Dimensionality Reduction using an Autoencoder()
--------Dimensionality Reduction using an Autoencoder .ipynb(813KB)
----Sentiment Analysis with Deep Learning using BERT()
--------Data()
--------Images()
--------Sentiment Analysis with Deep Learning using BERT.ipynb(36KB)
----Image Super Resolution Using Autoencoders in Keras()
--------image_super_resolution.ipynb(973KB)
----Facial Recognition with Keras()
--------utils()
--------haarcascade_frontalface_default.xml(908KB)
--------model.json(16KB)
--------model_weights.h5(889KB)
--------camera.py(1020B)
--------Facial_Expression_Training.ipynb(292KB)
--------main.py(577B)
--------model.py(1KB)
----Traffic Sign Classification()
--------Deep Learning For Traffic Sign Classification Skeleton.ipynb(3.31MB)
--------Deep Learning for Traffic Sign Classification Full.ipynb(3.31MB)
--------Deep_Learning_for_Traffic_Sign_Classification.ipynb(516KB)
----Avoid Overfitting Using Regularization in TensorFlow()
--------Avoid Over-Fitting Using Regularization.ipynb(7KB)
--------images()