This course will teach you how to build convolutional neural networks and apply it to image data. Thanks to deep learning, computer vision is working far better than just two years ago, and this is enabling numerous exciting applications ranging from safe autonomous driving, to accurate face recognition, to automatic reading of radiology images.
Этот курс входит в специализацию ''Специализация Глубокое обучение'
от партнера
Специализация Глубокое обучениеdeeplearning.aiОб этом курсе
Недавно просмотрено: 1,294,801
Карьерные результаты учащихся
36%
начал новую карьеру, пройдя эти курсы
37%
получил значимые преимущества в карьере благодаря этому курсу
12%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 4 из 5 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 20 часов на выполнение
Английский
Субтитры: Китайский (традиционное письмо), Французский, Португальский (бразильский), Китайский (упрощенное письмо), Корейский, Русский, Турецкий, Английский, Испанский, Японский
Приобретаемые навыки
Facial Recognition SystemTensorflowConvolutional Neural NetworkArtificial Neural Network
Карьерные результаты учащихся
36%
начал новую карьеру, пройдя эти курсы
37%
получил значимые преимущества в карьере благодаря этому курсу
12%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 4 из 5 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 20 часов на выполнение
Английский
Субтитры: Китайский (традиционное письмо), Французский, Португальский (бразильский), Китайский (упрощенное письмо), Корейский, Русский, Турецкий, Английский, Испанский, Японский
от партнера
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
Программа курса: что вы изучите
6 ч. на завершение
Foundations of Convolutional Neural Networks
Learn to implement the foundational layers of CNNs (pooling, convolutions) and to stack them properly in a deep network to solve multi-class image classification problems.
6 ч. на завершение
12 видео ((всего 140 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
12 видео
Computer Vision5мин
Edge Detection Example11мин
More Edge Detection7мин
Padding9мин
Strided Convolutions9мин
Convolutions Over Volume10мин
One Layer of a Convolutional Network16мин
Simple Convolutional Network Example8мин
Pooling Layers10мин
CNN Example12мин
Why Convolutions?9мин
Yann LeCun Interview27мин
4 материала для самостоятельного изучения
Strided convolutions *CORRECTION*1мин
Simple Convolutional Network Example *CORRECTION*1мин
CNN Example *CORRECTION*1мин
Why Convolutions? *CORRECTION*1мин
1 практическое упражнение
The basics of ConvNets30мин
5 ч. на завершение
Deep convolutional models: case studies
Learn about the practical tricks and methods used in deep CNNs straight from the research papers.
5 ч. на завершение
11 видео ((всего 99 мин.)), 1 материал для самостоятельного изучения, 2 тестов
11 видео
Classic Networks18мин
ResNets7мин
Why ResNets Work9мин
Networks in Networks and 1x1 Convolutions6мин
Inception Network Motivation10мин
Inception Network8мин
Using Open-Source Implementation4мин
Transfer Learning8мин
Data Augmentation9мин
State of Computer Vision12мин
1 материал для самостоятельного изучения
Inception Network Motivation *CORRECTION*1мин
1 практическое упражнение
Deep convolutional models30мин
4 ч. на завершение
Object detection
Learn how to apply your knowledge of CNNs to one of the toughest but hottest field of computer vision: Object detection.
4 ч. на завершение
10 видео ((всего 85 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
10 видео
Object Localization11мин
Landmark Detection5мин
Object Detection5мин
Convolutional Implementation of Sliding Windows11мин
Bounding Box Predictions14мин
Intersection Over Union4мин
Non-max Suppression8мин
Anchor Boxes9мин
YOLO Algorithm7мин
(Optional) Region Proposals6мин
2 материала для самостоятельного изучения
Convolutional Implementation of Sliding Windows *CORRECTION*1мин
YOLO algorithm *CORRECTION*1мин
1 практическое упражнение
Detection algorithms30мин
5 ч. на завершение
Special applications: Face recognition & Neural style transfer
Discover how CNNs can be applied to multiple fields, including art generation and face recognition. Implement your own algorithm to generate art and recognize faces!
5 ч. на завершение
11 видео ((всего 76 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
11 видео
One Shot Learning4мин
Siamese Network4мин
Triplet Loss15мин
Face Verification and Binary Classification6мин
What is neural style transfer?2мин
What are deep ConvNets learning?7мин
Cost Function3мин
Content Cost Function3мин
Style Cost Function13мин
1D and 3D Generalizations9мин
3 материала для самостоятельного изучения
Triplet Loss *CORRECTION*1мин
Face Verification and Binary Classification *CORRECTION*1мин
Style Cost *CORRECTION*1мин
1 практическое упражнение
Special applications: Face recognition & Neural style transfer30мин
Рецензии
Лучшие отзывы о курсе CONVOLUTIONAL NEURAL NETWORKS
от партнера AR11 июля 2020 г.
I really enjoyed this course, it would be awesome to see al least one training example using GPU (maybe in Google Colab since not everyone owns one) so we could train the deepest networks from scratch
от партнера RS11 дек. 2019 г.
Great Course Overall One thing is that some videos are not edited properly so Andrew repeats the same thing, again and again, other than that great and simple explanation of such complicated tasks.
от партнера SH5 авг. 2019 г.
Great content in lectures! Automatic graders for programming assignments can be tricky, and set to old versions of tf sometimes, but answers to these issues are readily found in the discussion forums.
от партнера RK1 сент. 2019 г.
This is very intensive and wonderful course on CNN. No other course in the MOOC world can be compared to this course's capability of simplifying complex concepts and visualizing them to get intuition.
Специализация Глубокое обучение: общие сведения
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.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
- Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
- Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
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.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
