If you want to break into cutting-edge AI, this course will help you do so. Deep learning engineers are highly sought after, and mastering deep learning will give you numerous new career opportunities. Deep learning is also a new "superpower" that will let you build AI systems that just weren't possible a few years ago.
Ce cours fait partie de la Spécialisation Deep Learning
Réseau de neurones et deep learning
Offert par
À propos de ce cours
2,595,777 consultations récentes
Résultats de carrière des étudiants
39%
ont commencé une nouvelle carrière après avoir terminé ce cours
38%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
11%
a obtenu une augmentation de salaire ou une promotion
Compétences que vous acquerrez
Artificial Neural NetworkBackpropagationPython ProgrammingDeep Learning
Résultats de carrière des étudiants
39%
ont commencé une nouvelle carrière après avoir terminé ce cours
38%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
11%
a obtenu une augmentation de salaire ou une promotion
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 18 heures pour terminer
Anglais
Sous-titres : Chinois (traditionnel), Arabe, Français, Ukrainien, Chinois (simplifié), Portugais (brésilien), Vietnamien, Coréen, Turc, Anglais, Espagnol, Japonais
Programme du cours : ce que vous apprendrez dans ce cours
2 heures pour terminer
Introduction to deep learning
Be able to explain the major trends driving the rise of deep learning, and understand where and how it is applied today.
2 heures pour terminer
7 vidéos (Total 76 min), 2 lectures, 1 quiz
7 vidéos
Welcome5 min
What is a neural network?7 min
Supervised Learning with Neural Networks8 min
Why is Deep Learning taking off?10 min
About this Course2 min
Course Resources1 min
Geoffrey Hinton interview40 min
2 lectures
Frequently Asked Questions10 min
How to use Discussion Forums10 min
1 exercice pour s'entraîner
Introduction to deep learning30 min
8 heures pour terminer
Neural Networks Basics
Learn to set up a machine learning problem with a neural network mindset. Learn to use vectorization to speed up your models.
8 heures pour terminer
19 vidéos (Total 161 min), 6 lectures, 3 quiz
19 vidéos
Logistic Regression5 min
Logistic Regression Cost Function8 min
Gradient Descent11 min
Derivatives7 min
More Derivative Examples10 min
Computation graph3 min
Derivatives with a Computation Graph14 min
Logistic Regression Gradient Descent6 min
Gradient Descent on m Examples8 min
Vectorization8 min
More Vectorization Examples6 min
Vectorizing Logistic Regression7 min
Vectorizing Logistic Regression's Gradient Output9 min
Broadcasting in Python11 min
A note on python/numpy vectors6 min
Quick tour of Jupyter/iPython Notebooks3 min
Explanation of logistic regression cost function (optional)7 min
Pieter Abbeel interview16 min
6 lectures
Clarification about Upcoming Logistic Regression Cost Function Video1 min
Clarification about Upcoming Gradient Descent Video1 min
Derivation of DL/dz (optional reading)10 min
Clarification of "dz"10 min
Deep Learning Honor Code2 min
Programming Assignment FAQ10 min
1 exercice pour s'entraîner
Neural Network Basics30 min
5 heures pour terminer
Shallow neural networks
Learn to build a neural network with one hidden layer, using forward propagation and backpropagation.
5 heures pour terminer
12 vidéos (Total 109 min), 2 lectures, 2 quiz
12 vidéos
Neural Network Representation5 min
Computing a Neural Network's Output9 min
Vectorizing across multiple examples9 min
Explanation for Vectorized Implementation7 min
Activation functions10 min
Why do you need non-linear activation functions?5 min
Derivatives of activation functions7 min
Gradient descent for Neural Networks9 min
Backpropagation intuition (optional)15 min
Random Initialization7 min
Ian Goodfellow interview14 min
2 lectures
Clarification: Activation Function1 min
Clarification about Upcoming Backpropagation intuition (optional)1 min
1 exercice pour s'entraîner
Shallow Neural Networks30 min
5 heures pour terminer
Deep Neural Networks
Understand the key computations underlying deep learning, use them to build and train deep neural networks, and apply it to computer vision.
5 heures pour terminer
8 vidéos (Total 64 min), 3 lectures, 3 quiz
8 vidéos
Forward Propagation in a Deep Network7 min
Getting your matrix dimensions right11 min
Why deep representations?10 min
Building blocks of deep neural networks8 min
Forward and Backward Propagation10 min
Parameters vs Hyperparameters7 min
What does this have to do with the brain?3 min
3 lectures
Clarification about Getting your matrix dimensions right video1 min
Clarification about Upcoming Forward and Backward Propagation Video1 min
Clarification about What does this have to do with the brain video1 min
1 exercice pour s'entraîner
Key concepts on Deep Neural Networks30 min
Avis
4.9
Meilleurs avis pour RÉSEAU DE NEURONES ET DEEP LEARNING
par SGJul 14, 2019
Dear Andrew! Thank you so very much for making me belive in myself as a machine learning engineer. Your lectures & excercises are like "shoulders of Giants" on which a good student can stand out high.
par SKAug 29, 2018
Nothing can get better than this course from Professor Andrew Ng. A must for every Data science enthusiast. Gets you up to speed right from the fundamentals. Thanks a lot for Prof Andrew and his team.
par STJul 6, 2018
I think the course explains the underlying concepts well and even if you are already familiar with deep neural networks it's a great complementary course for any pieces you may have missed previously.
par LVApr 6, 2019
A bit easy (python wise) but maybe that's just a reflection of personal experience / practice. The contest is easy to digest (week to week) and the intuitions are well thought of in their explanation.
Offert par
deeplearning.ai
deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders.
À propos du Spécialisation Deep Learning
If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning.
In five courses, you will learn the foundations of Deep Learning, understand how to build neural networks, and learn how to lead successful machine learning projects. You will learn about Convolutional networks, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization, and more. You will work on case studies from healthcare, autonomous driving, sign language reading, music generation, and natural language processing. You will master not only the theory, but also see how it is applied in industry. You will practice all these ideas in Python and in TensorFlow, which we will teach.
You will also hear from many top leaders in Deep Learning, who will share with you their personal stories and give you career advice.
AI is transforming multiple industries. After finishing this specialization, you will likely find creative ways to apply it to your work.
We will help you master Deep Learning, understand how to apply it, and build a career in AI.
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 ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
