À propos de ce cours

187,367 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 6 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 31 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 6 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 31 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol

Offert par

Placeholder

IBM

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up87%(1,778 notes)Info
Semaine
1

Semaine 1

5 heures pour terminer

Tensor and Datasets

5 heures pour terminer
6 vidéos (Total 44 min), 1 lecture, 11 quiz
6 vidéos
1.1 Tensors 1D13 min
1.2 Two-Dimensional Tensors9 min
Differentiation in PyTorch5 min
1.3 Simple Dataset7 min
1.5 Dataset4 min
1 lecture
Labs10 min
5 exercices pour s'entraîner
1.1 Tensors 1D5 min
1.2 Two-Dimensional Tensors5 min
1.3 Derivatives in PyTorch5 min
Simple Dataset5 min
Datasets10 min
Semaine
2

Semaine 2

2 heures pour terminer

Linear Regression

2 heures pour terminer
7 vidéos (Total 35 min)
7 vidéos
2.1 Linear Regression Training3 min
Loss3 min
Gradient Descent4 min
Cost3 min
Linear Regression PyToch5 min
PyTorch Linear Regression Training Slope and Bias5 min
7 exercices pour s'entraîner
Prediction in One Dimension5 min
Linear Regression Training5 min
Loss5 min
Gradient Descent5 min
Cost5 min
Training Parameters in PyTorch5 min
PyTorch Linear Regression Training Slope and Bias5 min
3 heures pour terminer

Linear Regression PyTorch Way

3 heures pour terminer
5 vidéos (Total 21 min)
5 vidéos
Mini-Batch Gradient Descent3 min
Optimization in PyTorch3 min
Training, Validation and Test Split4 min
Training, Validation and Test Split PyTorch3 min
4 exercices pour s'entraîner
Quiz: Stochastic Gradient Descent5 min
Mini-Batch Gradient Descent5 min
3.3 Optimization in PyTorch5 min
Training and Validation Data PyTorch5 min
Semaine
3

Semaine 3

2 heures pour terminer

Multiple Input Output Linear Regression

2 heures pour terminer
4 vidéos (Total 18 min)
4 vidéos
Multiple Linear Regression Training2 min
Linear Regression Multiple Outputs5 min
Multiple Output Linear Regression Training1 min
2 exercices pour s'entraîner
Multiple Linear Regression Prediction5 min
Multiple Output Linear Regression5 min
2 heures pour terminer

Logistic Regression for Classification

2 heures pour terminer
4 vidéos (Total 31 min)
4 vidéos
5.1 Logistic Regression: Prediction6 min
Bernoulli Distribution and Maximum Likelihood Estimation5 min
Logistic Regression Cross Entropy Loss10 min
5 exercices pour s'entraîner
5.0 Linear Classifiers5 min
5.0 Linear Classifiers5 min
5.1 Logistic Regression: Prediction10 min
Bernoulli Distribution and Maximum Likelihood Estimation5 min
5.3 Logistic Regression Cross Entropy Loss10 min
Semaine
4

Semaine 4

2 heures pour terminer

Softmax Rergresstion

2 heures pour terminer
3 vidéos (Total 18 min)
3 vidéos
6.2 Softmax Function:Using Lines to Classify Data3 min
Softmax PyTorch6 min
3 exercices pour s'entraîner
6.1 Softmax Function:Using Lines to Classify Data5 min
6.2 Softmax Prediction5 min
6.3 Softmax PyTorch Quizz5 min
3 heures pour terminer

Shallow Neural Networks

3 heures pour terminer
6 vidéos (Total 33 min)
6 vidéos
More Hidden Neurons2 min
Neural Networks with Multiple Dimensional Input5 min
7.4 Multi-Class Neural Networks5 min
7.5 Backpropagation5 min
7.5 Activation Functions4 min
6 exercices pour s'entraîner
Neural Networks5 min
More Hidden Neurons 5 min
Neural Networks with Multiple Dimensional Inputs5 min
Multi-Class Neural Networks5 min
Backpropagation5 min
Activation Functions5 min

Avis

Meilleurs avis pour DEEP NEURAL NETWORKS WITH PYTORCH

Voir tous les avis

À propos du Nombre de IBM AI Engineering Certificat Professionnel

Artificial intelligence (AI) is revolutionizing entire industries, changing the way companies across sectors leverage data to make decisions. To stay competitive, organizations need qualified AI engineers who use cutting-edge methods like machine learning algorithms and deep learning neural networks to provide data driven actionable intelligence for their businesses. This 6-course Professional Certificate is designed to equip you with the tools you need to succeed in your career as an AI or ML engineer. You’ll master fundamental concepts of machine learning and deep learning, including supervised and unsupervised learning, using programming languages like Python. You’ll apply popular machine learning and deep learning libraries such as SciPy, ScikitLearn, Keras, PyTorch, and Tensorflow to industry problems involving object recognition, computer vision, image and video processing, text analytics, natural language processing (NLP), recommender systems, and other types of classifiers. Through hands-on projects, you’ll gain essential data science skills scaling machine learning algorithms on big data using Apache Spark. You’ll build, train, and deploy different types of deep architectures, including convolutional neural networks, recurrent networks, and autoencoders. In addition to earning a Professional Certificate from Coursera, you will also receive a digital badge from IBM recognizing your proficiency in AI engineering....
IBM AI Engineering

Foire Aux Questions

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