À propos de ce cours
4.9
26,454 notes
2,975 avis
Spécialisation

Cours 2 sur 5 dans le

100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau débutant

Niveau débutant

Heures pour terminer

Approx. 14 heures pour terminer

Recommandé : 3 weeks, 3-6 hours per week...
Langues disponibles

Anglais

Sous-titres : Anglais, Chinois (traditionnel), Chinois (simplifié), Coréen, Turc

Compétences que vous acquerrez

HyperparameterTensorflowHyperparameter OptimizationDeep Learning
Spécialisation

Cours 2 sur 5 dans le

100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau débutant

Niveau débutant

Heures pour terminer

Approx. 14 heures pour terminer

Recommandé : 3 weeks, 3-6 hours per week...
Langues disponibles

Anglais

Sous-titres : Anglais, Chinois (traditionnel), Chinois (simplifié), Coréen, Turc

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
Heures pour terminer
8 heures pour terminer

Practical aspects of Deep Learning

...
Reading
15 vidéos (Total 131 min), 4 quiz
Video15 vidéos
Bias / Variance8 min
Basic Recipe for Machine Learning6 min
Regularization9 min
Why regularization reduces overfitting?7 min
Dropout Regularization9 min
Understanding Dropout7 min
Other regularization methods8 min
Normalizing inputs5 min
Vanishing / Exploding gradients6 min
Weight Initialization for Deep Networks6 min
Numerical approximation of gradients6 min
Gradient checking6 min
Gradient Checking Implementation Notes5 min
Yoshua Bengio interview25 min
Quiz1 exercice pour s'entraîner
Practical aspects of deep learning20 min
Semaine
2
Heures pour terminer
4 heures pour terminer

Optimization algorithms

...
Reading
11 vidéos (Total 92 min), 2 quiz
Video11 vidéos
Understanding mini-batch gradient descent11 min
Exponentially weighted averages5 min
Understanding exponentially weighted averages9 min
Bias correction in exponentially weighted averages4 min
Gradient descent with momentum9 min
RMSprop7 min
Adam optimization algorithm7 min
Learning rate decay6 min
The problem of local optima5 min
Yuanqing Lin interview13 min
Quiz1 exercice pour s'entraîner
Optimization algorithms20 min
Semaine
3
Heures pour terminer
5 heures pour terminer

Hyperparameter tuning, Batch Normalization and Programming Frameworks

...
Reading
11 vidéos (Total 104 min), 2 quiz
Video11 vidéos
Using an appropriate scale to pick hyperparameters8 min
Hyperparameters tuning in practice: Pandas vs. Caviar6 min
Normalizing activations in a network8 min
Fitting Batch Norm into a neural network12 min
Why does Batch Norm work?11 min
Batch Norm at test time5 min
Softmax Regression11 min
Training a softmax classifier10 min
Deep learning frameworks4 min
TensorFlow16 min
Quiz1 exercice pour s'entraîner
Hyperparameter tuning, Batch Normalization, Programming Frameworks20 min
4.9
2,975 avisChevron Right
Orientation de carrière

36%

a commencé une nouvelle carrière après avoir terminé ces cours
Avantage de carrière

32%

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

Meilleurs avis

par PGOct 31st 2017

Thank you Andrew!! I know start to use Tensorflow, however, this tool is not well for a research goal. Maybe, pytorch could be considered in the future!! And let us know how to use pytorch in Windows.

par CVDec 24th 2017

Exceptional Course, the Hyper parameters explanations are excellent every tip and advice provided help me so much to build better models, I also really liked the introduction of Tensor Flow\n\nThanks.

Enseignants

Avatar

Andrew Ng

CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain
Avatar

Head Teaching Assistant - Kian Katanforoosh

Lecturer of Computer Science at Stanford University, deeplearning.ai, Ecole CentraleSupelec
Avatar

Teaching Assistant - Younes Bensouda Mourri

Mathematical & Computational Sciences, Stanford University, deeplearning.ai

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 de la 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. In five courses, you will learn the foundations of Deep Learning, understand how to build neural networks, and learn how to lead successful machine learning projects. You will learn about Convolutional networks, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization, and more. You will work on case studies from healthcare, autonomous driving, sign language reading, music generation, and natural language processing. You will master not only the theory, but also see how it is applied in industry. You will practice all these ideas in Python and in TensorFlow, which we will teach. You will also hear from many top leaders in Deep Learning, who will share with you their personal stories and give you career advice. AI is transforming multiple industries. After finishing this specialization, you will likely find creative ways to apply it to your work. We will help you master Deep Learning, understand how to apply it, and build a career in AI....
Deep Learning

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.