À propos de ce cours

59,633 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. 26 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. 26 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

3 heures pour terminer

Introduction to TensorFlow

3 heures pour terminer
14 vidéos (Total 59 min), 8 lectures
14 vidéos
Welcome to week 11 min
Hello TensorFlow!1 min
[Coding tutorial] Hello TensorFlow!2 min
What's new in TensorFlow 24 min
Interview with Laurence Moroney5 min
Introduction to Google Colab2 min
[Coding tutorial] Introduction to Google Colab8 min
TensorFlow documentation3 min
TensorFlow installation3 min
[Coding tutorial] pip installation3 min
[Coding tutorial] Running TensorFlow with Docker10 min
Upgrading from TensorFlow 13 min
[Coding tutorial] Upgrading from TensorFlow 16 min
8 lectures
About Imperial College & the team10 min
How to be successful in this course10 min
Grading policy10 min
Additional readings & helpful references10 min
What is TensorFlow?10 min
Google Colab resources10 min
TensorFlow documentation10 min
Upgrade TensorFlow 1.x Notebooks10 min
Semaine
2

Semaine 2

7 heures pour terminer

The Sequential model API

7 heures pour terminer
13 vidéos (Total 59 min)
13 vidéos
What is Keras?1 min
Building a Sequential model4 min
[Coding tutorial] Building a Sequential model4 min
Convolutional and pooling layers4 min
[Coding tutorial] Convolutional and pooling layers5 min
The compile method5 min
[Coding tutorial] The compile method5 min
The fit method4 min
[Coding tutorial] The fit method7 min
The evaluate and predict methods6 min
[Coding tutorial] The evaluate and predict methods4 min
Wrap up and introduction to the programming assignment1 min
2 exercices pour s'entraîner
[Knowledge check] Feedforward and convolutional neural networks15 min
[Knowledge check] Optimisers, loss functions and metrics15 min
Semaine
3

Semaine 3

7 heures pour terminer

Validation, regularisation and callbacks

7 heures pour terminer
11 vidéos (Total 60 min)
11 vidéos
Interview with Andrew Ng6 min
Validation sets4 min
[Coding Tutorial] Validation sets9 min
Model regularisation6 min
[Coding Tutorial] Model regularisation4 min
Introduction to callbacks5 min
[Coding tutorial] Introduction to callbacks7 min
Early stopping and patience6 min
[Coding tutorial] Early stopping and patience5 min
Wrap up and introduction to the programming assignment51s
1 exercice pour s'entraîner
[Knowledge check] Validation and regularisation15 min
Semaine
4

Semaine 4

7 heures pour terminer

Saving and loading models

7 heures pour terminer
12 vidéos (Total 74 min)
12 vidéos
Saving and loading model weights6 min
[Coding tutorial] Saving and loading model weights10 min
Model saving criteria4 min
[Coding tutorial] Model saving criteria11 min
Saving the entire model4 min
[Coding tutorial] Saving the entire model8 min
Loading pre-trained Keras models5 min
[Coding tutorial] Loading pre-trained Keras models7 min
TensorFlow Hub modules2 min
[Coding tutorial] TensorFlow Hub modules8 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.