À propos de ce cours
156,004 consultations récentes

Learner Career Outcomes

15%

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

11%

a obtenu une augmentation de salaire ou une promotion

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. 8 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

Learner Career Outcomes

15%

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

11%

a obtenu une augmentation de salaire ou une promotion

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. 8 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
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
4 heures pour terminer

Augmentation: A technique to avoid overfitting

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
4 heures pour terminer

Transfer Learning

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
4 heures pour terminer

Multiclass Classifications

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
4.7
276 avisChevron Right

Meilleurs avis pour Convolutional Neural Networks in TensorFlow

par JMSep 12th 2019

great introductory stuff, great way to keep in touch with tensorflow's new tools, and the instructor is absolutely phenomenal. love the enthusiasm and the interactions with andrew are a joy to watch.

par PSSep 14th 2019

An excellent course by Laurence Moroney on explaining how ConvNets are prepared using Tensorflow. A really good strategy to have the programming exercises on Google Colab to speed up the processing.

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.