À propos de ce cours
248,694 consultations récentes

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. 7 heures pour terminer

Recommandé : 4 weeks of study, 4-5 hours/week...

Anglais

Sous-titres : Anglais

Ce que vous allez apprendre

  • Check

    Handle real-world image data

  • Check

    Plot loss and accuracy

  • Check

    Explore strategies to prevent overfitting, including augmentation and dropout

  • Check

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

Compétences que vous acquerrez

Inductive TransferAugmentationDropoutsMachine LearningTensorflow

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. 7 heures pour terminer

Recommandé : 4 weeks of study, 4-5 hours/week...

Anglais

Sous-titres : Anglais

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
4 heures pour terminer

Exploring a Larger Dataset

8 vidéos (Total 18 min), 5 lectures, 3 quiz
8 vidéos
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
4 heures pour terminer

Augmentation: A technique to avoid overfitting

7 vidéos (Total 14 min), 6 lectures, 3 quiz
7 vidéos
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
4 heures pour terminer

Transfer Learning

7 vidéos (Total 14 min), 5 lectures, 3 quiz
7 vidéos
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
4 heures pour terminer

Multiclass Classifications

6 vidéos (Total 12 min), 5 lectures, 3 quiz
6 vidéos
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
4.7
151 avisChevron Right

15%

a bénéficié d'un avantage concret dans sa carrière grâce à ce cours

11%

a obtenu une augmentation de salaire ou une promotion

Principaux examens pour Convolutional Neural Networks in TensorFlow

par MHMay 24th 2019

A very comprehensive and easy to learn course on Tensor Flow. I am really impressed by the Instructor ability to teach difficult concept with ease. I will look forward another course of this series.

par CMMay 1st 2019

A patient and coherent introduction. At the end, you have good working code you can use elsewhere. Remarkably, the primary lecturer, Laurence Moroney, responds fairly quickly to posts in the forum.

Enseignant

Avatar

Laurence Moroney

AI Advocate
Google Brain

À propos de deeplearning.ai

deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders....

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. Courses 1-3 are available now, with Course 4 launching in July....
TensorFlow in Practice

Foire Aux Questions

  • 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.

  • 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.

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