À propos de ce cours

50,381 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 avancé

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Approx. 53 heures pour terminer
Anglais

Compétences que vous acquerrez

Probabilistic Neural NetworkDeep LearningGenerative ModelTensorflowProbabilistic Programming Language (PRPL)
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 avancé

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Approx. 53 heures pour terminer
Anglais

Offert par

Placeholder

Imperial College London

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

12 heures pour terminer

TensorFlow Distributions

12 heures pour terminer
14 vidéos (Total 92 min), 4 lectures, 2 quiz
14 vidéos
Interview with Paige Bailey7 min
The TensorFlow Probability library2 min
Univariate distributions8 min
[Coding tutorial] Univariate distributions6 min
Multivariate distributions6 min
[Coding tutorial] Multivariate distributions5 min
The Independent distribution6 min
[Coding tutorial] The Independent distribution12 min
Sampling and log probs6 min
[Coding tutorial] Sampling and log probs10 min
Trainable distributions5 min
[Coding tutorial] Trainable distributions11 min
Wrap up and introduction to the programming assignment1 min
4 lectures
About Imperial College & the team10 min
How to be successful in this course10 min
Grading policy10 min
Additional readings & helpful references10 min
1 exercice pour s'entraîner
[Knowledge check] Standard distributions30 min
Semaine
2

Semaine 2

12 heures pour terminer

Probabilistic layers and Bayesian neural networks

12 heures pour terminer
11 vidéos (Total 110 min)
11 vidéos
The need for uncertainty in deep learning models3 min
The DistributionLambda layer7 min
[Coding tutorial] The DistributionLambda layer10 min
Probabilistic layers9 min
[Coding tutorial] Probabilistic layers15 min
The DenseVariational layer12 min
[Coding tutorial] The DenseVariational layer20 min
Reparameterization layers8 min
[Coding tutorial] Reparameterization layers19 min
Wrap up and introduction to the programming assignment1 min
1 exercice pour s'entraîner
Sources of uncertainty30 min
Semaine
3

Semaine 3

13 heures pour terminer

Bijectors and normalising flows

13 heures pour terminer
12 vidéos (Total 93 min)
12 vidéos
Interview with Doug Kelly10 min
Bijectors7 min
[Coding tutorial] Bijectors9 min
The TransformedDistribution class10 min
[Coding tutorial] The Transformed Distribution class8 min
Subclassing bijectors5 min
[Coding tutorial] Subclassing bijectors9 min
Autoregressive flows10 min
RealNVP8 min
[Coding tutorial] Normalising flows10 min
Wrap up and introduction to the programming assignment1 min
1 exercice pour s'entraîner
Change of variables formula30 min
Semaine
4

Semaine 4

13 heures pour terminer

Variational autoencoders

13 heures pour terminer
10 vidéos (Total 77 min)
10 vidéos
Encoders and decoders5 min
[Coding tutorial] Encoders and decoders6 min
Minimising KL divergence10 min
[Coding tutorial] Minimising KL divergence7 min
Maximising the ELBO13 min
[Coding tutorial] Maximising the ELBO10 min
KL divergence layers8 min
[Coding tutorial] KL divergence layers10 min
Wrap up and introduction to the programming assignment1 min
1 exercice pour s'entraîner
Variational autoencoders30 min

Avis

Meilleurs avis pour PROBABILISTIC DEEP LEARNING WITH TENSORFLOW 2

Voir tous les avis

À propos du Spécialisation TensorFlow 2 for Deep Learning

TensorFlow 2 for Deep Learning

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.