Об этом курсе
Недавно просмотрено: 70,994

Курс 3 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 18 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-6 hours/week...

Английский

Субтитры: Английский
User
Учащиеся, которые проходят продукт ''Course'
  • Data Scientists
  • Machine Learning Engineers
  • Data Engineers
  • Data Analysts
  • Researchers

Приобретаемые навыки

Machine LearningDeep LearningLong Short-Term Memory (ISTM)Apache Spark
User
Учащиеся, которые проходят продукт ''Course'
  • Data Scientists
  • Machine Learning Engineers
  • Data Engineers
  • Data Analysts
  • Researchers

Курс 3 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 18 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-6 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
5 ч. на завершение

Introduction to deep learning

17 видео ((всего 65 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
17 видео
Introduction - Romeo Kienzler30
Introduction - Ilja Rasin1мин
Introduction - Niketan Pansare30
Introduction - Tom Hanlon1мин
Course Logistics1мин
Cloud Architectures for AI and DeepLearning4мин
Linear algebra6мин
Deep feed forward neural networks12мин
Convolutional Neural Networks4мин
Recurrent neural networks1мин
LSTMs3мин
Auto encoders and representation learning2мин
Methods for neural network training8мин
Gradient Descent Updater Strategies6мин
How to choose the correct activation function3мин
The bias-variance tradeoff in deep learning3мин
5 материала для самостоятельного изучения
IBM Digital Badge10мин
Video summary on environment setup10мин
Where to get all the code and slides for download?10мин
Introduction to ApacheSpark10мин
Link to Github10мин
1 практическое упражнение
DeepLearning Fundamentals14мин
Неделя
2
7 ч. на завершение

DeepLearning Frameworks

24 видео ((всего 168 мин.)), 1 материал для самостоятельного изучения, 5 тестов
24 видео
Neural Network Debugging with TensorBoard7мин
Automatic Differentiation2мин
Introduction video44
Keras overview5мин
Sequential models in keras6мин
Feed forward networks7мин
Recurrent neural networks9мин
Beyond sequential models: the functional API3мин
Saving and loading models2мин
What is SystemML (1/2) ?3мин
What is SystemML (2/2) ?6мин
Demo - How to use Apache SystemML on IBM DSX (1/3)4мин
Demo - How to use Apache SystemML on IBM DSX (2/3)3мин
Demo - How to use Apache SystemML on IBM DSX (3/3)8мин
Introduction to DeepLearning4J12мин
Demo: Running Java in Data Science Experience8мин
DL4J Neural Network Code Example, Mnist Classifier14мин
PyTorch Installation2мин
PyTorch Packages2мин
Tensor Creation and Visualization of Higher Dimensional Tensors6мин
Math Computation and Reshape7мин
Computation Graph, CUDA17мин
Linear Model17мин
1 материал для самостоятельного изучения
Link to files in Github10мин
4 практического упражнения
TensorFlow12мин
Apache SystemML12мин
DL4J Fundamentals12мин
PyTorch Introduction12мин
Неделя
3
6 ч. на завершение

DeepLearning Applications

18 видео ((всего 115 мин.)), 2 материалов для самостоятельного изучения, 5 тестов
18 видео
How to implement an anomaly detector (1/2)11мин
How to implement an anomaly detector (2/2)2мин
How to deploy a real-time anomaly detector2мин
Introduction to Time Series Forecasting4мин
Stateful vs. Stateless LSTMs6мин
Batch Size5мин
Number of Time Steps, Epochs, Training and Validation8мин
Trainin Set Size4мин
Input and Output Data Construction7мин
Designing the LSTM network in Keras10мин
Anatomy of a LSTM Node12мин
Number of Parameters7мин
Training and loading a saved model4мин
Classifying the MNIST dataset with Convolutional Neural Networks5мин
Image classification with Imagenet and Resnet503мин
Autoencoder - understanding Word2Vec8мин
Text Classification with Word Embeddings4мин
2 материала для самостоятельного изучения
Generative Adversarial Networks (GANs) (optional)10мин
Generative Adversarial Networks (GANs) (optional)10мин
4 практического упражнения
Anomaly Detection12мин
Sequence Classification with Keras LSTM Network12мин
Image Classification6мин
NLP6мин
Неделя
4
4 ч. на завершение

Scaling and Deployment

5 видео ((всего 40 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
5 видео
Creating and Scaling a Keras Model in ApacheSpark using DL4J14мин
Creating and Scaling a Keras Model in ApacheSpark using DL4J (Demo)16мин
Computer Vision with IBM Watson Visual Recognition2мин
Text Classification with IBM Watson Natural Language Classifier1мин
3 материала для самостоятельного изучения
Parallel Neural Network Training10мин
Scale a Keras Model with IBM Watson Machine Learning10мин
Link to Github10мин
1 практическое упражнение
Run a Notebook using Keras and DL4J6мин
4.4
Рецензии: 80Chevron Right

23%

начал новую карьеру, пройдя эти курсы

38%

получил значимые преимущества в карьере благодаря этому курсу

57%

стал больше зарабатывать или получил повышение

Лучшие отзывы о курсе Applied AI with DeepLearning

автор: RCApr 26th 2018

It was really great learning with coursera and I loved the course. The way faculty teaches here is just awesome as they are very much clear and helped a lot while learning this coursea

автор: BSAug 8th 2019

Gave a good hands-on with IBM Watson studio notebooks. Also a good overview of LSTM's, Keras, Predictive maintenance. Good stuff, keep it going

Преподаватели

Avatar

Romeo Kienzler

Chief Data Scientist, Course Lead
IBM Watson IoT
Avatar

Niketan Pansare

Senior Software Engineer
IBM Research
Avatar

Tom Hanlon

Training Director
Skymind
Avatar

Max Pumperla

Deep Learning Engineer
Avatar

Ilja Rasin

Data Scientist
IBM Watson Health

О IBM

IBM offers a wide range of technology and consulting services; a broad portfolio of middleware for collaboration, predictive analytics, software development and systems management; and the world's most advanced servers and supercomputers. Utilizing its business consulting, technology and R&D expertise, IBM helps clients become "smarter" as the planet becomes more digitally interconnected. IBM invests more than $6 billion a year in R&D, just completing its 21st year of patent leadership. IBM Research has received recognition beyond any commercial technology research organization and is home to 5 Nobel Laureates, 9 US National Medals of Technology, 5 US National Medals of Science, 6 Turing Awards, and 10 Inductees in US Inventors Hall of Fame....

Специализация Advanced Data Science with IBM: общие сведения

As a coursera certified specialization completer you will have a proven deep understanding on massive parallel data processing, data exploration and visualization, and advanced machine learning & deep learning. You'll understand the mathematical foundations behind all machine learning & deep learning algorithms. You can apply knowledge in practical use cases, justify architectural decisions, understand the characteristics of different algorithms, frameworks & technologies & how they impact model performance & scalability. If you choose to take this specialization and earn the Coursera specialization certificate, you will also earn an IBM digital badge. To find out more about IBM digital badges follow the link ibm.biz/badging....
Advanced Data Science with IBM

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

  • The IBM Watson IoT Certified Data Scientist degree is a Coursera specialization IBM is currently creating. This course is one part of 3-4 courses coming up the next couple of months

    Currently only this and another course exist. The other one is the following:

    https://www.coursera.org/learn/exploring-visualizing-iot-data

    The course above will be modified and renamed to "Fundamentals of Applied DataScience" - but if you pass it today, it counts towards the certificate as well

Остались вопросы? Посетите Центр поддержки учащихся.