À propos de ce cours

30,923 consultations récentes

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

Approx. 27 heures pour terminer

Anglais

Sous-titres : Anglais

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

Approx. 27 heures pour terminer

Anglais

Sous-titres : Anglais

Offert par

Logo Imperial College London

Imperial College London

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

6 heures pour terminer

The Keras functional API

6 heures pour terminer
14 vidéos (Total 81 min), 5 lectures, 2 quiz
14 vidéos
Interview with Laurence Moroney4 min
The Keras functional API5 min
Multiple inputs and outputs6 min
[Coding tutorial] Multiple inputs and outputs9 min
Variables5 min
Tensors5 min
[Coding tutorial] Variables and Tensors8 min
Accessing layer Variables4 min
Accessing layer Tensors5 min
[Coding tutorial] Accessing model layers8 min
Freezing layers4 min
[Coding tutorial] Freezing layers7 min
Wrap up and introduction to the programming assignment1 min
5 lectures
About Imperial College & the team10 min
How to be successful in this course10 min
Grading policy10 min
Additional readings & helpful references10 min
Device placement10 min
1 exercice pour s'entraîner
[Knowledge check] Transfer learning10 min
Semaine
2

Semaine 2

6 heures pour terminer

Data Pipeline

6 heures pour terminer
12 vidéos (Total 93 min), 1 lecture, 2 quiz
12 vidéos
Keras datasets3 min
[Coding tutorial] Keras datasets11 min
Dataset generators7 min
[Coding tutorial] Dataset generators12 min
Keras image data augmentation5 min
[Coding tutorial] Keras image data augmentation10 min
The Dataset class8 min
[Coding tutorial] The Dataset class10 min
Training with Datasets7 min
[Coding tutorial] Training with Datasets11 min
Wrap up and introduction to the programming assignment1 min
1 lecture
TensorFlow Datasets10 min
1 exercice pour s'entraîner
[Knowledge check] Python generators15 min
Semaine
3

Semaine 3

6 heures pour terminer

Sequence Modelling

6 heures pour terminer
13 vidéos (Total 92 min)
13 vidéos
Interview with Doug Kelly10 min
Preprocessing sequence data7 min
[Coding tutorial] The IMDB dataset8 min
[Coding tutorial] Padding and masking sequence data7 min
The Embedding layer4 min
[Coding tutorial] The Embedding layer4 min
[Coding tutorial] The Embedding Projector12 min
Recurrent neural network layers4 min
[Coding tutorial] Recurrent neural network layers9 min
Stacked RNNs and the Bidirectional wrapper7 min
[Coding tutorial] Stacked RNNs and the Bidirectional wrapper10 min
Wrap up and introduction to the programming assignment1 min
1 exercice pour s'entraîner
[Knowledge check] Recurrent neural networks15 min
Semaine
4

Semaine 4

6 heures pour terminer

Model subclassing and custom training loops

6 heures pour terminer
12 vidéos (Total 71 min)
12 vidéos
Model subclassing5 min
[Coding tutorial] Model subclassing5 min
Custom layers7 min
[Coding tutorial] Custom layers10 min
Automatic differentiation5 min
[Coding tutorial] Automatic differentiation6 min
Custom training loops7 min
[Coding tutorial] Custom training loops10 min
tf.function decorator3 min
[Coding tutorial] tf.function decorator5 min
Wrap up and introduction to the programming assignment1 min

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 achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est 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.

  • Vous avez droit à un remboursement intégral jusqu'à deux semaines après la date de paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, selon la dernière de ces éventualités. Vous ne pouvez pas bénéficier d'un remboursement une fois votre Certificat de Cours obtenu, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre Politique de remboursement complète.

  • Oui, Coursera fournit une Aide Financière aux étudiants n'ayant pas les moyens d'acquitter les frais. Pour en faire la demande, cliquez sur le lien Aide Financière situé sous le bouton S'inscrire ci-contre à gauche. Vous serez invité(e) à déposer une demande et vous serez averti(e) si elle est acceptée. En savoir plus.

  • Jupyter Notebooks are a third-party tool that some Coursera courses use for programming assignments.

    You can revert your code or get a fresh copy of your Jupyter Notebook mid-assignment. By default, Coursera persistently stores your work within each notebook.

    To keep your old work and also get a fresh copy of the initial Jupyter Notebook, click File, then Make a copy.

    We recommend keeping a naming convention such as “Assignment 1 - Initial” or “Copy” to keep your notebook environment organized. You can also download this file locally.

    Refresh your notebook

    1. Rename your existing Jupyter Notebook within the individual notebook view
    2. In the notebook view, add “?forceRefresh=true” to the end of your notebook URL
    3. Reload the screen
    4. You will be directed to your home Learner Workspace where you’ll see both old and new Notebook files.
    5. Your Notebook lesson item will now launch to the fresh notebook.

    Find missing work

    If your Jupyter Notebook files have disappeared, it means the course staff published a new version of a given notebook to fix problems or make improvements. Your work is still saved under the original name of the previous version of the notebook.

    To recover your work:

    1. Find your current notebook version by checking the top of the notebook window for the title
    2. In your Notebook view, click the Coursera logo
    3. Find and click the name of your previous file

    Unsaved work

    "Kernels" are the execution engines behind the Jupyter Notebook UI. As kernels time out after 90 minutes of notebook activity, be sure to save your notebooks frequently to prevent losing any work. If the kernel times out before the save, you may lose the work in your current session.

    How to tell if your kernel has timed out:

    • Error messages such as "Method Not Allowed" appear in the toolbar area.
    • The last save or auto-checkpoint time shown in the title of the notebook window has not updated recently
    • Your cells are not running or computing when you “Shift + Enter”

    To restart your kernel:

    1. Save your notebook locally to store your current progress
    2. In the notebook toolbar, click Kernel, then Restart
    3. Try testing your kernel by running a print statement in one of your notebook cells. If this is successful, you can continue to save and proceed with your work.
    4. If your notebook kernel is still timed out, try closing your browser and relaunching the notebook. When the notebook reopens, you will need to do "Cell -> Run All" or "Cell -> Run All Above" to regenerate the execution state.

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