计算机视觉Python：图像识别和处理：深度学习计算机视觉Python：图像分析Python
您将学到什么
安装Python数据科学环境Jupyter/iPython并开始使用
将图像数据读入Jupiter/iPython环境
使用python执行基本的图像预处理和计算机视觉任务
在图像数据上实现无监督学习算法（如PCA）
图像分类中常用机器学习算法的实现
图像数据的深度学习算法实现
通过深入学习，学习如何使用Tensorflow和Keras进行图像处理
要求
在电脑/笔记本电脑上安装Anaconda环境的能力
知道如何在Anaconda中安装和装载软件包
对学习处理图像数据感兴趣
事先接触过Python编程或Python数据科学应用程序将很有用
课程介绍
利用传统技术、数据科学和深度学习，完成基于Python的图像处理和计算机视觉，这是一套完整的基于PYTHON的图像处理与计算机视觉课程，将帮助您使用Jupyter笔记本电脑实现基本的图像处理和计算机视觉任务。
与其他课程不同，我们深入研究传统和数据科学为中心的图像处理和计算机视觉任务！在学习了最重要的图像处理和计算机视觉任务之后，您将学习如何以实际操作的方式实现机器学习和深度学习技术。您将接触真实的数据，并学习如何实现和评估不同数据科学包（包括Keras）的性能。
以下是您应该报名参加本课程的原因：
本课程是您使用Python完成实际图像处理和计算机视觉任务的完整指南。这意味着，本课程涵盖了Keras和Tensorflow（谷歌强大的深度学习框架）的重要方面，如果你选修了这门课程，你就可以不用再修其他课程或购买关于Python Tensorflow和基于Keras的数据科学的书籍。
在这个大数据时代，全球各地的公司都在使用Python来筛选他们所掌握的海量信息，而Tensorflow和Keras的出现正在彻底改变深度学习。通过熟练掌握Keras和Tensorflow，您可以为您的公司带来竞争优势，并将您的职业生涯提升到一个新的水平。
这是我对你的承诺：完成这一门课程，成为基于KERAS和TENSORFLOW的数据科学的专业人士！
我叫米内瓦·辛格，是牛津大学地理与环境硕士研究生。我最近在剑桥大学完成了博士学位（热带生态学与自然保护）。
我在使用数据科学相关技术分析来自不同来源的真实数据方面有几年的经验，并为国际同行评议期刊撰写出版物。
在我的研究过程中，我意识到几乎所有的Python数据科学课程和书籍都没有考虑到这个主题的多维性，而是将数据科学与机器学习互换使用。
这使学生对这门学科有了不完全的了解。另一方面，我的课程将为你在Tensorflow框架内的数据科学的各个方面打下坚实的基础。
课程包含8个完整的章节，介绍基于PYTHON的图像处理和计算机视觉的各个方面
- 详细介绍使用强大的Python驱动的数据科学框架Anaconda进行图像处理和计算机视觉任务
- 相关理论概念的无术语介绍
- 安装和使用相关软件包（包括tensor flow和Keras）的详细介绍
- 在实际图像数据上实现机器学习算法（有监督学习和无监督学习）
- 您甚至会发现如何创建人工神经网络和深度学习结构，以便使用Tensorflow和Keras在图像数据上实现
你将从吸收最常用的图像处理和计算机视觉基础和技术开始。
我使用简单易懂、动手操作的方法来简化和处理甚至是最困难的概念。这意味着你可以得到一个免费的介绍急需的理论概念
我的课程将帮助您使用从不同来源获得的真实图像数据来实现这些方法。许多课程使用的是虚构的数据，这些数据并不能使学生在现实生活中实现基于Python的图像处理。
学习本课程后，您将很容易地使用图像处理和计算机视觉软件包，如OpenCV，并能流利地使用Tensorflow和Keras。我甚至会向您介绍深度学习模型，如卷积神经网络（CNN）及其图像分类的实现！！
本课程的基本动机是确保您能够将基于Python的数据科学技术应用到实际的图像数据中，开始为您自己的项目分析数据，无论您的技能水平如何，并用实际的能力示例来打动潜在的雇主。
这是一门实践性的实践课程，也就是说，我们将花一些时间来处理与图像处理和计算机视觉（以及相关的数据科学方法）相关的一些理论概念。然而，本课程的大部分内容将侧重于在实际数据上实施不同的技术并解释结果。
在每个视频之后，你将学习一个新的概念或技术，你可以应用到你自己的项目！
这门课程的对象是：
对图像处理和计算机视觉应用入门感兴趣的学生对以行话自由的方式学习图像处理和计算机视觉的理论基础感兴趣的学生。
有兴趣学习Python通用图像处理和计算机视觉任务的实际实现的
学生，有兴趣对现实图像数据实现机器学习算法的
学生，有兴趣开始使用Tensorflow和Keras进行深度学习的
学生，有兴趣为Tensorflow和Keras进行部署的学生
对希望利用转移学习进行自己的图像分析项目感兴趣的现实图像数据的学生
