The goal of this course is to give learners basic understanding of modern neural networks and their applications in computer vision and natural language understanding. The course starts with a recap of linear models and discussion of stochastic optimization methods that are crucial for training deep neural networks. Learners will study all popular building blocks of neural networks including fully connected layers, convolutional and recurrent layers.
Ce cours fait partie de la Spécialisation Apprentissage automatique avancé
Offert par
Spécialisation Apprentissage automatique avancéUniversité nationale de recherche, École des hautes études en sciences économiquesÀ propos de ce cours
601,975 consultations récentes
Résultats de carrière des étudiants
35%
ont commencé une nouvelle carrière après avoir terminé ce cours
40%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
21%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 7 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé
Approx. 34 heures pour terminer
Anglais
Sous-titres : Anglais, Coréen
Compétences que vous acquerrez
Recurrent Neural NetworkTensorflowConvolutional Neural NetworkDeep Learning
Résultats de carrière des étudiants
35%
ont commencé une nouvelle carrière après avoir terminé ce cours
40%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
21%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 7 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé
Approx. 34 heures pour terminer
Anglais
Sous-titres : Anglais, Coréen
Offert par
Université nationale de recherche, École des hautes études en sciences économiques
National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more.
Programme du cours : ce que vous apprendrez dans ce cours
6 heures pour terminer
Introduction to optimization
Welcome to the "Introduction to Deep Learning" course! In the first week you'll learn about linear models and stochatic optimization methods. Linear models are basic building blocks for many deep architectures, and stochastic optimization is used to learn every model that we'll discuss in our course.
6 heures pour terminer
10 vidéos (Total 64 min), 3 lectures, 3 quiz
10 vidéos
About the University1 min
Welcome to AML specialization!2 min
Course intro6 min
Linear regression9 min
Linear classification10 min
Gradient descent5 min
Overfitting problem and model validation6 min
Model regularization5 min
Stochastic gradient descent5 min
Gradient descent extensions9 min
3 lectures
About the University10 min
Welcome!5 min
Hardware for the course10 min
2 exercices pour s'entraîner
Linear models30 min
Overfitting and regularization30 min
5 heures pour terminer
Introduction to neural networks
This module is an introduction to the concept of a deep neural network. You'll begin with the linear model and finish with writing your very first deep network.
5 heures pour terminer
9 vidéos (Total 85 min), 3 lectures, 4 quiz
9 vidéos
Chain rule7 min
Backpropagation9 min
Efficient MLP implementation13 min
Other matrix derivatives5 min
What is TensorFlow10 min
Our first model in TensorFlow10 min
What Deep Learning is and is not8 min
Deep learning as a language6 min
3 lectures
Optional reading on matrix derivatives1 min
TensorFlow reading1 min
Keras reading1 min
2 exercices pour s'entraîner
Multilayer perceptron10 min
Matrix derivatives20 min
6 heures pour terminer
Deep Learning for images
In this week you will learn about building blocks of deep learning for image input. You will learn how to build Convolutional Neural Network (CNN) architectures with these blocks and how to quickly solve a new task using so-called pre-trained models.
6 heures pour terminer
6 vidéos (Total 59 min)
6 vidéos
Our first CNN architecture10 min
Training tips and tricks for deep CNNs14 min
Overview of modern CNN architectures8 min
Learning new tasks with pre-trained CNNs5 min
A glimpse of other Computer Vision tasks8 min
1 exercice pour s'entraîner
Convolutions and pooling30 min
5 heures pour terminer
Unsupervised representation learning
This week we're gonna dive into unsupervised parts of deep learning. You'll learn how to generate, morph and search images with deep learning.
5 heures pour terminer
9 vidéos (Total 81 min)
9 vidéos
Autoencoders 1015 min
Autoencoder applications9 min
Autoencoder applications: image generation, data visualization & more7 min
Natural language processing primer10 min
Word embeddings13 min
Generative models 1017 min
Generative Adversarial Networks10 min
Applications of adversarial approach11 min
1 exercice pour s'entraîner
Word embeddings30 min
À propos du Spécialisation Apprentissage automatique avancé
This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
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.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
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.
Quelle est la politique de remboursement ?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Une aide financière est-elle possible ?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
