Ce cours pratique prouve que l'apprentissage profond ne consiste pas seulement à appuyer sur "run" sur un modèle. Il s'agit de transformer l'imagerie satellite en informations réelles et utiles. Vous travaillerez avec des réseaux neuronaux convolutifs pour la classification de l'occupation du sol, vous affinerez un CNN pré-entraîné à l'aide de l'apprentissage par transfert, vous utiliserez l'augmentation des données pour améliorer les performances et vous appliquerez Grad-CAM pour voir où le modèle regarde réellement. En cours de route, vous vous entraînerez à traduire l'imagerie satellite brute en idées que vous pourrez communiquer clairement à d'autres. Vous devez avoir des connaissances de base en programmation Python, être familier avec les concepts d'apprentissage automatique et avoir une connaissance préliminaire des réseaux neuronaux et des données d'images. Conçu pour les débutants en apprentissage automatique et en télédétection, Deep Learn Imagery renforce votre confiance en travaillant avec l'apprentissage automatique et en expliquant ce que font vos modèles.