The majority of data in the world is unlabeled and unstructured. Shallow neural networks cannot easily capture relevant structure in, for instance, images, sound, and textual data. Deep networks are capable of discovering hidden structures within this type of data. In this course you’ll use TensorFlow library to apply deep learning to different data types in order to solve real world problems. Learning Outcomes: After completing this course, learners will be able to: • explain foundational TensorFlow concepts such as the main functions, operations and the execution pipelines. • describe how TensorFlow can be used in curve fitting, regression, classification and minimization of error functions. • understand different types of Deep Architectures, such as Convolutional Networks, Recurrent Networks and Autoencoders. • apply TensorFlow for backpropagation to tune the weights and biases while the Neural Networks are being trained.
Ce cours fait partie de la Nombre de IBM AI Engineering Certificat Professionnel
Building Deep Learning Models with TensorFlow
Offert par
À propos de ce cours
100 % en ligne
Cours 5 sur 6 dans le
Dates limites flexibles
Niveau intermédiaire
Approx. 9 heures pour terminer
Anglais
Programme du cours : ce que vous apprendrez dans ce cours
Introduction
In this module, you will learn about TensorFlow, and use it to create Linear and Logistic Regression models. You will also learn about the fundamentals of Deep Learning.
Supervised Learning Models
In this module, you will learn about about Convolutional Neural Networks, and the building blocks of a convolutional neural network, such as convolution and feature learning. You will also learn about the popular MNIST database. Finally, you will learn how to build a Multi-layer perceptron and convolutional neural networks in Python and using TensorFlow.
Supervised Learning Models (Cont'd)
In this module, you will learn about the recurrent neural network model, and special type of a recurrent neural network, which is the Long Short-Term Memory model. Also, you will learn about the Recursive Neural Tensor Network theory, and finally, you will apply recurrent neural networks to language modelling.
Unsupervised Deep Learning Models
In this module, you will learn about the applications of unsupervised learning. You will learn about Restricted Boltzmann Machines (RBMs), and how to train an RBM. Finally, you will apply Restricted Boltzmann Machines to build a recommendation system.
20 avis
Meilleurs avis pour Building Deep Learning Models with TensorFlow
course needed to be updated for labs. Now Google moved to Tensorflow 2.0 this year.
Enseignant
Alex Aklson
Ph.D., Data ScientistÀ propos de IBM
À propos du Nombre de IBM AI Engineering Certificat Professionnel
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à ce Certificat ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours du Certificat, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
