On practicalities of identifying and implementing a suitable software architecture for a typical deep learning data science project
Abstract
Tutkielmassa tarkastellaan, minkälaisia vaiheita tyypillinen syväoppimista hyödyntävä projekti sisältää ja minkälaisilla työkaluilla se voidaan toteuttaa. Tarkoituksena on selvittää, miten tietyillä ohjelmistotyökaluilla saadaan tuloksia aikaan valmiiksi kerätyllä datalla. Lisäksi kerrotaan lyhyesti syväoppimiseen liittyvästä teoriasta ja demonstroidaan, miten valituilla työkaluilla voidaan rakentaa ja kouluttaa neuroverkko sekä käyttää sitä kuvantunnistukseen. Kuvantunnistusta voi tehdä useilla eri työkaluilla, ja tähän tutkielmaan valitut työkalut osoittautuivat hyviksi vaihtoehdoiksi helppokäyttöisyytensä ja monipuolisuutensa ansioista.
Main Author
Format
Theses
Master thesis
Published
2019
Subjects
The permanent address of the publication
https://urn.fi/URN:NBN:fi:jyu-201908023750Use this for linking
Language
English
License
