У нас вы можете посмотреть бесплатно Reconhecimento de imagens com Keras e TensorFlow - Fernanda Wanderley e Jéssica dos Santos или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса ClipSaver.ru
Deep Learning é uma técnica de Aprendizado de Máquina baseada na aplicação de redes neurais. Com o advento da Redes Neurais Convolucionais (CNN), Deep Learning tem sido aplicada com sucesso em diferentes domínios para resolver problemas de Visão Computacional. Na Medicina em particular vem sendo cada vez mais utilizada, devido aos benefícios que a técnica pode trazer, como: aumentar a quantidade de exames avaliados, indicando possíveis doenças, em lugares com poucos médicos disponíveis; acelerar e melhorar a acurácia do diagnóstico. Faremos um passo a passo de como construir uma CNN usando Keras e TensorFlow, aplicando num problema para detectar a orientação (frente ou lateral) de um raio-x, informação nem sempre disponível nos datasets. Utilizaremos um Jupyter notebook para apresentar o pipeline de criação e treinamento de uma rede, desde o pré-processamento da imagem até a avaliação dos resultados. -- Fernanda Wanderley - Sou Doutora em Inteligência Computacional e minha principal área de interesse é a de aplicações de aprendizado de máquina em problemas biomédicos. Nos últimos anos trabalhei com previsão de eficácia de quimioterapia em câncer de mama, busca de variantes genéticas em DNA e mais recentemente em detecção de patologias em imagem de raio-x. Jéssica dos Santos - Mestre em Sistemas de Informação com área de pesquisa em reconhecimento de padrões aplicados a saúde. Trabalhei como cientista de dados em aplicações do mercado financeiro, imobiliário e atualmente em uma startup de saúde, fazendo detecção de patologias em imagens médicas utilizando Deep Learning.