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
174,780 consultations récentes
Résultats de carrière des étudiants
29%
ont commencé une nouvelle carrière après avoir terminé ce cours
35%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
19%
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 : Arabe, Français, Portugais (européen), Chinois (simplifié), Italien, Vietnamien, Coréen, Allemand, Russe, Turc, Anglais, Espagnol
Compétences que vous acquerrez
Recurrent Neural NetworkTensorflowConvolutional Neural NetworkDeep Learning
Résultats de carrière des étudiants
29%
ont commencé une nouvelle carrière après avoir terminé ce cours
35%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
19%
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 : Arabe, Français, Portugais (européen), Chinois (simplifié), Italien, Vietnamien, Coréen, Allemand, Russe, Turc, Anglais, Espagnol
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), 4 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
4 lectures
About the University10 min
Rules on the academic integrity in the course10 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
Avis
Meilleurs avis pour INTRODUCTION TO DEEP LEARNING
par DK19 sept. 2019
one of the excellent courses in deep learning. As stated its advanced and enjoyed a lot in solving the assignments. looking forward for more such courses especially in Natural language processing
par TP8 août 2020
A very good course and it is truly insightful. This course deals with more on the concepts therefore I have a better understanding of what is really happening when I build deep learning models.
par AM28 mai 2020
The hardest, yet most satisfying course I've ever taken in deep learning, by the end of the course I was doing stuff that was borderline sci-fi and that was just "introduction" to deep learning
par MO16 déc. 2017
I found the content to be interesting and on a good level of advancement, but I also found the exercises to be buggy sometimes or not well thought, which cost a lot of extra time spent on it.
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 ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Is financial aid available?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
