This course will teach you how to build convolutional neural networks and apply it to image data. Thanks to deep learning, computer vision is working far better than just two years ago, and this is enabling numerous exciting applications ranging from safe autonomous driving, to accurate face recognition, to automatic reading of radiology images.
Ce cours fait partie de la Spécialisation Deep Learning
Offert par
Spécialisation Deep Learningdeeplearning.aiÀ propos de ce cours
1,351,595 consultations récentes
Résultats de carrière des étudiants
36%
ont commencé une nouvelle carrière après avoir terminé ce cours
37%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
12%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 1 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 20 heures pour terminer
Anglais
Sous-titres : Chinois (traditionnel), Français, Portugais (brésilien), Chinois (simplifié), Coréen, Russe, Turc, Anglais, Espagnol, Japonais
Compétences que vous acquerrez
Facial Recognition SystemTensorflowConvolutional Neural NetworkArtificial Neural Network
Résultats de carrière des étudiants
36%
ont commencé une nouvelle carrière après avoir terminé ce cours
37%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
12%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 1 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 20 heures pour terminer
Anglais
Sous-titres : Chinois (traditionnel), Français, Portugais (brésilien), Chinois (simplifié), Coréen, Russe, Turc, Anglais, Espagnol, Japonais
Offert par
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
Programme du cours : ce que vous apprendrez dans ce cours
6 heures pour terminer
Foundations of Convolutional Neural Networks
Learn to implement the foundational layers of CNNs (pooling, convolutions) and to stack them properly in a deep network to solve multi-class image classification problems.
6 heures pour terminer
12 vidéos (Total 140 min), 4 lectures, 3 quiz
12 vidéos
Computer Vision5 min
Edge Detection Example11 min
More Edge Detection7 min
Padding9 min
Strided Convolutions9 min
Convolutions Over Volume10 min
One Layer of a Convolutional Network16 min
Simple Convolutional Network Example8 min
Pooling Layers10 min
CNN Example12 min
Why Convolutions?9 min
Yann LeCun Interview27 min
4 lectures
Strided convolutions *CORRECTION*1 min
Simple Convolutional Network Example *CORRECTION*1 min
CNN Example *CORRECTION*1 min
Why Convolutions? *CORRECTION*1 min
1 exercice pour s'entraîner
The basics of ConvNets30 min
5 heures pour terminer
Deep convolutional models: case studies
Learn about the practical tricks and methods used in deep CNNs straight from the research papers.
5 heures pour terminer
11 vidéos (Total 99 min), 1 lecture, 2 quiz
11 vidéos
Classic Networks18 min
ResNets7 min
Why ResNets Work9 min
Networks in Networks and 1x1 Convolutions6 min
Inception Network Motivation10 min
Inception Network8 min
Using Open-Source Implementation4 min
Transfer Learning8 min
Data Augmentation9 min
State of Computer Vision12 min
1 lecture
Inception Network Motivation *CORRECTION*1 min
1 exercice pour s'entraîner
Deep convolutional models30 min
4 heures pour terminer
Object detection
Learn how to apply your knowledge of CNNs to one of the toughest but hottest field of computer vision: Object detection.
4 heures pour terminer
10 vidéos (Total 85 min), 2 lectures, 2 quiz
10 vidéos
Object Localization11 min
Landmark Detection5 min
Object Detection5 min
Convolutional Implementation of Sliding Windows11 min
Bounding Box Predictions14 min
Intersection Over Union4 min
Non-max Suppression8 min
Anchor Boxes9 min
YOLO Algorithm7 min
(Optional) Region Proposals6 min
2 lectures
Convolutional Implementation of Sliding Windows *CORRECTION*1 min
YOLO algorithm *CORRECTION*1 min
1 exercice pour s'entraîner
Detection algorithms30 min
5 heures pour terminer
Special applications: Face recognition & Neural style transfer
Discover how CNNs can be applied to multiple fields, including art generation and face recognition. Implement your own algorithm to generate art and recognize faces!
5 heures pour terminer
11 vidéos (Total 76 min), 3 lectures, 3 quiz
11 vidéos
One Shot Learning4 min
Siamese Network4 min
Triplet Loss15 min
Face Verification and Binary Classification6 min
What is neural style transfer?2 min
What are deep ConvNets learning?7 min
Cost Function3 min
Content Cost Function3 min
Style Cost Function13 min
1D and 3D Generalizations9 min
3 lectures
Triplet Loss *CORRECTION*1 min
Face Verification and Binary Classification *CORRECTION*1 min
Style Cost *CORRECTION*1 min
1 exercice pour s'entraîner
Special applications: Face recognition & Neural style transfer30 min
Avis
Meilleurs avis pour CONVOLUTIONAL NEURAL NETWORKS
par SH5 août 2019
Great content in lectures! Automatic graders for programming assignments can be tricky, and set to old versions of tf sometimes, but answers to these issues are readily found in the discussion forums.
par AG12 janv. 2019
Great course for kickoff into the world of CNN's. Gives a nice overview of existing architectures and certain applications of CNN's as well as giving some solid background in how they work internally.
par RK1 sept. 2019
This is very intensive and wonderful course on CNN. No other course in the MOOC world can be compared to this course's capability of simplifying complex concepts and visualizing them to get intuition.
par RS11 déc. 2019
Great Course Overall One thing is that some videos are not edited properly so Andrew repeats the same thing, again and again, other than that great and simple explanation of such complicated tasks.
À propos du Spécialisation Deep Learning
If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, 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 ?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Une aide financière est-elle possible ?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
