OpenCV3Python
이미지-OpenCV BGR:Matplotlib RGB
기본적 이미지 작업을 픽셀 액세스
만큼 신호 처리와 NumPy
신호 처리와 NumPy I-FFT and DFT 한 사인,구형파,unitpulse 및 임의의 신호
신호 처리와 NumPy II-푸리에 변환 이미지 : Fft&dft
로우 패스 필터가있는 이미지의 역 푸리에 변환:cv2.idft()
이미지 히스토그램
비디오를 캡처하고 스위칭 colorspaces-RGB/HSV
Adaptive Thresholding-오쓰의 클러스터링 기반의 이미지 thresholding
엣지 탐지-Sobel 및 라플라스 커널을
영 Edge 탐지
Hough Transform-원
Watershed 알고리즘:마커를 기반 Segmentation I
Watershed 알고리즘:마커를 기반 Segmentation II
이미지 소음 감소:아닌 지역을 의미는 잡음 제거 알고리즘
이미지 개체 검색 : 얼굴 인식을 사용하여 하르 Cascade 분류
이미지 세분화-전 추출 Grabcut 알고리즘을 기반으로 그래프 컷
이미지 재구성-이상의 버전이 필요(Interpolation)-빠른 행진하는 방법을
비디오:평균 이동 객체 추적이
Machine Learning:클러스터링-K-Means clustering I
Machine Learning:클러스터링-K-Means clustering II
Machine Learning:분류 k-가장 가까운 이웃들(k-NN) 알고리즘

컴퓨터와 학습 은 학

은 배우 설치
은 배우 : 기능 및 특징 추출-iris 데이터 집
은 배:기계 학습 빠른 미리보기
은 배우 데이터 전처리 I-누락/범주형 데이터
은 배우 데이터 전처리 II 분할 데이터 집합/기능의 스케일링/기능 선택/Regularization
은 배우 데이터 전처리 III-차원 감소 vis 순차 기능 선택을 평가/기능의 중요성을 통해 임의의 숲
데이터 압축을 통해 차원 감소 I-PCA(Principal component analysis)
은 배우 : 데이터 압축을 통해 차원 감소 II 선형 판별 분석(LDA)
은 배울 수:데이터 압축을 통해 차원 감소 III-비선형 매핑을 통해 커널의 주요 구성 요소(KPCA)분석을
은 배울 수:로지스틱 회귀분석,과잉 맞춤&오자
은 배울 수:도 학습&자율학습-예를 들어,자율 PCA 차원 감소와 iris 데이터 집
은 배우: Unsupervised_Learning-KMeans 클러스터링과 iris 데이터 집
은 배우 : 선형으로 분리할 수 있는 데이터선형 모델&(가우스)레이디얼 기준으로 기능은 커널(RBF kernel)
은 배우:의사 결정 트리 학습도-엔트로피,지,그리고 정보를 얻을
은 배우:의사 결정 트리 학습 II-성 의사 결정 트리
은 배울 수:임의의 결정을 숲 분류
은 배울 수:Support Vector Machines(SVM)
은 배우: Support Vector Machines(SVM)II
플라스크에 포함된 기계 학습 내가:직렬화와 피클과 DB 의 설정
플라스크에 포함된 학습 기계 II : 기본적인 플라스크 응용 프로그램
플라스크에 포함된 기계 학습 III:함 분류
플라스크에 포함된 학습 기계 IV 배포
플라스크에 포함된 기계 학습 V:업데이트 분류
은 배우 : 샘플의 댓글은 스팸 필터를 사용하여 SVM-을 분류하기에 좋은 하나 또는 나쁜 중 하나

기계 학습 알고리즘 개념

배치 그라데이션 출신 알고리즘
단층 신경 네트워크 계층 퍼셉트론 모델에 Iris 데이터 집합을 사용하여 헤비 사이드 단계 활성화 기능을
배치 그라데이션 출신 대 stochastic gradient descent
단층 신경 네트워크에 적합한 선형 신경을 사용하여 선형(id)활성화 기능으로 배치 그라데이션 출신 방법을
단층 신경 네트워크 : 적합한 선형 신경을 사용하여 선형(id)활성화 기능을 가진 stochastic gradient descent(SGD)
로지스틱 회귀
VC(Vapnik-Chervonenkis)치수와 산산조각
바이어스 분산 거래
최대 우도 추정(MLE)
신경 네트워크와 역전파 하 여을 위한 XOR 중 하나를 사용하여 숨겨 층
minHash
tf-idf 중
Natural Language Processing(NLP): 감성 분석 I(영화&bag-of-words)
Natural Language Processing(NLP):감성 분석 II(토큰화,형태소 분석 및 중지어)
Natural Language Processing(NLP): 감성 분석 III(교육&십자가 유효성)
Natural Language Processing(NLP):감성 분석 IV(out-of-core)
지역-Sensitive Hashing(LSH)사용하여 코사인 거리(코사인 유사성)

인공 신경망(ANN)

소스에서 이용하실 수 있 Github-Jupyter 노트북 파일
1. 소개
2. 순방향 전파
3. 그라디언트 디센트
4. 오류 Backpropagation
5. 그라디언트 검사
6. BFGS
7 을 통한 교육. Overfitting&Regularization
8. 딥 러닝 I : 이미지 인식(이미지 업로드)
9. 심층 학습 II:이미지 인식(이미지 분류)
10-심층 학습 III:심층 학습 III:Theano,TensorFlow 및 Keras