À propos de ce cours

854,544 consultations récentes

Résultats de carrière des étudiants

40%

ont commencé une nouvelle carrière après avoir terminé ce cours

43%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

12%

a obtenu une augmentation de salaire ou une promotion

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

Experience in Python coding and high school-level math is required. Prior machine learning or deep learning knowledge is helpful but not required.

Approx. 10 heures pour terminer

Recommandé : 4 weeks, 4-5 hours/week...

Anglais

Sous-titres : Anglais, Espagnol, Russe, Japonais

Ce que vous allez apprendre

  • Learn best practices for using TensorFlow, a popular open-source machine learning framework

  • Build a basic neural network in TensorFlow

  • Train a neural network for a computer vision application

  • Understand how to use convolutions to improve your neural network

Compétences que vous acquerrez

Computer VisionTensorflowMachine Learning

Résultats de carrière des étudiants

40%

ont commencé une nouvelle carrière après avoir terminé ce cours

43%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

12%

a obtenu une augmentation de salaire ou une promotion

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

Experience in Python coding and high school-level math is required. Prior machine learning or deep learning knowledge is helpful but not required.

Approx. 10 heures pour terminer

Recommandé : 4 weeks, 4-5 hours/week...

Anglais

Sous-titres : Anglais, Espagnol, Russe, Japonais

Enseignant

Offert par

Logo deeplearning.ai

deeplearning.ai

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up96%(15,222 notes)Info
Semaine
1

Semaine 1

6 heures pour terminer

A New Programming Paradigm

6 heures pour terminer
4 vidéos (Total 16 min), 5 lectures, 3 quiz
4 vidéos
A primer in machine learning3 min
The ‘Hello World’ of neural networks5 min
Working through ‘Hello World’ in TensorFlow and Python3 min
5 lectures
Before you begin: TensorFlow 2.0 and this course10 min
From rules to data10 min
Try it for yourself10 min
Introduction to Google Colaboratory10 min
Week 1 Resources10 min
1 exercice pour s'entraîner
Week 1 Quiz
Semaine
2

Semaine 2

7 heures pour terminer

Introduction to Computer Vision

7 heures pour terminer
7 vidéos (Total 15 min), 6 lectures, 3 quiz
7 vidéos
An Introduction to computer vision2 min
Writing code to load training data2 min
Coding a Computer Vision Neural Network2 min
Walk through a Notebook for computer vision3 min
Using Callbacks to control training1 min
Walk through a notebook with Callbacks1 min
6 lectures
Exploring how to use data10 min
The structure of Fashion MNIST data10 min
See how it's done10 min
Get hands-on with computer vision1 h
See how to implement Callbacks10 min
Week 2 Resources10 min
1 exercice pour s'entraîner
Week 2 Quiz
Semaine
3

Semaine 3

8 heures pour terminer

Enhancing Vision with Convolutional Neural Networks

8 heures pour terminer
6 vidéos (Total 19 min), 6 lectures, 3 quiz
6 vidéos
What are convolutions and pooling?2 min
Implementing convolutional layers1 min
Implementing pooling layers4 min
Improving the Fashion classifier with convolutions4 min
Walking through convolutions3 min
6 lectures
Coding convolutions and pooling layers10 min
Learn more about convolutions10 min
Getting hands-on, your first ConvNet10 min
Try it for yourself1 h
Experiment with filters and pools1 h
Week 3 Resources10 min
1 exercice pour s'entraîner
Week 3 Quiz
Semaine
4

Semaine 4

9 heures pour terminer

Using Real-world Images

9 heures pour terminer
9 vidéos (Total 27 min), 10 lectures, 3 quiz
9 vidéos
Understanding ImageGenerator4 min
Defining a ConvNet to use complex images2 min
Training the ConvNet with fit_generator2 min
Walking through developing a ConvNet2 min
Walking through training the ConvNet with fit_generator3 min
Adding automatic validation to test accuracy4 min
Exploring the impact of compressing images3 min
A conversation with Andrew1 min
10 lectures
Explore an impactful, real-world solution10 min
Designing the neural network10 min
Train the ConvNet with ImageGenerator10 min
Exploring the solution10 min
Training the neural network10 min
Experiment with the horse or human classifier1 h
Get hands-on and use validation30 min
Get Hands-on with compacted images30 min
Week 4 Resources10 min
Wrap up10 min
1 exercice pour s'entraîner
Week 4 Quiz

Avis

Meilleurs avis pour INTRODUCTION TO TENSORFLOW FOR ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, AND DEEP LEARNING
Voir tous les avis

À propos du Spécialisation TensorFlow in Practice

Discover the tools software developers use to build scalable AI-powered algorithms in TensorFlow, a popular open-source machine learning framework. In this four-course Specialization, you’ll explore exciting opportunities for AI applications. Begin by developing an understanding of how to build and train neural networks. Improve a network’s performance using convolutions as you train it to identify real-world images. You’ll teach machines to understand, analyze, and respond to human speech with natural language processing systems. Learn to process text, represent sentences as vectors, and input data to a neural network. You’ll even train an AI to create original poetry! AI is already transforming industries across the world. After finishing this Specialization, you’ll be able to apply your new TensorFlow skills to a wide range of problems and projects. Looking for more advanced TensorFlow content? Check out the new TensorFlow: Data and Deployment Specialization....
TensorFlow in Practice

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.