The majority of data in the world is unlabeled and unstructured. Shallow neural networks cannot easily capture relevant structure in, for instance, images, sound, and textual data. Deep networks are capable of discovering hidden structures within this type of data. In this course you’ll use TensorFlow library to apply deep learning to different data types in order to solve real world problems. Learning Outcomes: After completing this course, learners will be able to: • explain foundational TensorFlow concepts such as the main functions, operations and the execution pipelines. • describe how TensorFlow can be used in curve fitting, regression, classification and minimization of error functions. • understand different types of Deep Architectures, such as Convolutional Networks, Recurrent Networks and Autoencoders. • apply TensorFlow for backpropagation to tune the weights and biases while the Neural Networks are being trained.
Этот курс входит в специализацию ''Профессиональная сертификация 'IBM AI Engineering''
Building Deep Learning Models with TensorFlow
от партнера
100% онлайн
Курс 5 из 6 в программе
Гибкие сроки
Промежуточный уровень
Прибл. 9 часа на выполнение
Английский
Программа курса: что вы изучите
Introduction
In this module, you will learn about TensorFlow, and use it to create Linear and Logistic Regression models. You will also learn about the fundamentals of Deep Learning.
Supervised Learning Models
In this module, you will learn about about Convolutional Neural Networks, and the building blocks of a convolutional neural network, such as convolution and feature learning. You will also learn about the popular MNIST database. Finally, you will learn how to build a Multi-layer perceptron and convolutional neural networks in Python and using TensorFlow.
Supervised Learning Models (Cont'd)
In this module, you will learn about the recurrent neural network model, and special type of a recurrent neural network, which is the Long Short-Term Memory model. Also, you will learn about the Recursive Neural Tensor Network theory, and finally, you will apply recurrent neural networks to language modelling.
Unsupervised Deep Learning Models
In this module, you will learn about the applications of unsupervised learning. You will learn about Restricted Boltzmann Machines (RBMs), and how to train an RBM. Finally, you will apply Restricted Boltzmann Machines to build a recommendation system.
Лучшие отзывы о курсе Building Deep Learning Models with TensorFlow
course needed to be updated for labs. Now Google moved to Tensorflow 2.0 this year.
Преподаватели
Alex Aklson
Ph.D., Data ScientistО IBM
Профессиональная сертификация 'IBM AI Engineering': общие сведения
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
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.
Что я получу, оформив подписку на сертификацию?
Записавшись на курс, вы получите доступ ко всем курсам в сертификации, 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.
Какие правила возврата средств?
Остались вопросы? Посетите Центр поддержки учащихся.