À propos de ce cours

594,512 consultations récentes

Résultats de carrière des étudiants

13%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

10%

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.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Course 1 of the TensorFlow Specialization, Python coding, and high-school level math are required. ML/DL experience is helpful but not required.

Approx. 26 heures pour terminer
Anglais
Sous-titres : Anglais, Russe, Japonais

Ce que vous allez apprendre

  • Handle real-world image data

  • Plot loss and accuracy

  • Explore strategies to prevent overfitting, including augmentation and dropout

  • Learn transfer learning and how learned features can be extracted from models

Compétences que vous acquerrez

Inductive TransferAugmentationDropoutsMachine LearningTensorflow

Résultats de carrière des étudiants

13%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

10%

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.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Course 1 of the TensorFlow Specialization, Python coding, and high-school level math are required. ML/DL experience is helpful but not required.

Approx. 26 heures pour terminer
Anglais
Sous-titres : Anglais, Russe, Japonais

Enseignant

Offert par

Logo deeplearning.ai

deeplearning.ai

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up97%(5,684 notes)Info
Semaine
1

Semaine 1

7 heures pour terminer

Exploring a Larger Dataset

7 heures pour terminer
8 vidéos (Total 18 min), 5 lectures, 3 quiz
8 vidéos
A conversation with Andrew Ng1 min
Training with the cats vs. dogs dataset2 min
Working through the notebook4 min
Fixing through cropping49s
Visualizing the effect of the convolutions1 min
Looking at accuracy and loss1 min
Week 1 Wrap up33s
5 lectures
Before you Begin: TensorFlow 2.0 and this Course10 min
The cats vs dogs dataset10 min
Looking at the notebook10 min
What you'll see next10 min
What have we seen so far?10 min
1 exercice pour s'entraîner
Week 1 Quiz30 min
Semaine
2

Semaine 2

7 heures pour terminer

Augmentation: A technique to avoid overfitting

7 heures pour terminer
7 vidéos (Total 14 min), 6 lectures, 3 quiz
7 vidéos
Introducing augmentation2 min
Coding augmentation with ImageDataGenerator3 min
Demonstrating overfitting in cats vs. dogs1 min
Adding augmentation to cats vs. dogs1 min
Exploring augmentation with horses vs. humans1 min
Week 2 Wrap up37s
6 lectures
Image Augmentation10 min
Start Coding...10 min
Looking at the notebook10 min
The impact of augmentation on Cats vs. Dogs10 min
Try it for yourself!10 min
What have we seen so far?10 min
1 exercice pour s'entraîner
Week 2 Quiz30 min
Semaine
3

Semaine 3

7 heures pour terminer

Transfer Learning

7 heures pour terminer
7 vidéos (Total 14 min), 5 lectures, 3 quiz
7 vidéos
Understanding transfer learning: the concepts2 min
Coding transfer learning from the inception mode1 min
Coding your own model with transferred features2 min
Exploring dropouts1 min
Exploring Transfer Learning with Inception1 min
Week 3 Wrap up36s
5 lectures
Start coding!10 min
Adding your DNN10 min
Using dropouts!10 min
Applying Transfer Learning to Cats v Dogs10 min
What have we seen so far?10 min
1 exercice pour s'entraîner
Week 3 Quiz30 min
Semaine
4

Semaine 4

7 heures pour terminer

Multiclass Classifications

7 heures pour terminer
6 vidéos (Total 12 min), 5 lectures, 3 quiz
6 vidéos
Moving from binary to multi-class classification44s
Explore multi-class with Rock Paper Scissors dataset2 min
Train a classifier with Rock Paper Scissors1 min
Test the Rock Paper Scissors classifier2 min
A conversation with Andrew Ng1 min
5 lectures
Introducing the Rock-Paper-Scissors dataset10 min
Check out the code!10 min
Try testing the classifier10 min
What have we seen so far?10 min
Wrap up10 min
1 exercice pour s'entraîner
Week 4 Quiz30 min

Avis

Meilleurs avis pour CONVOLUTIONAL NEURAL NETWORKS IN TENSORFLOW

Voir tous les avis

À propos du Spécialisation TensorFlow in Practice

Discover the tools software developers use to build scalable AI-powered algorithms in TensorFlow, a popular open-source machine learning framework. In this four-course Specialization, you’ll explore exciting opportunities for AI applications. Begin by developing an understanding of how to build and train neural networks. Improve a network’s performance using convolutions as you train it to identify real-world images. You’ll teach machines to understand, analyze, and respond to human speech with natural language processing systems. Learn to process text, represent sentences as vectors, and input data to a neural network. You’ll even train an AI to create original poetry! AI is already transforming industries across the world. After finishing this Specialization, you’ll be able to apply your new TensorFlow skills to a wide range of problems and projects. Looking for more advanced TensorFlow content? Check out the new TensorFlow: Data and Deployment Specialization....
TensorFlow in Practice

Foire Aux Questions

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 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.

  • 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.

  • 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.

  • Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.