Этот курс входит в специализацию ''Специализация Глубокое обучение'

4.9
звезд
Оценки: 38,626

Andrew Ng и еще 2 преподавателя
Лучшие преподаватели

356,541 уже зарегистрированы

от партнера

Специализация Глубокое обучениеdeeplearning.ai

Об этом курсе

Недавно просмотрено: 806,665

In the fourth course of the Deep Learning Specialization, you will understand how computer vision has evolved and become familiar with its exciting applications such as autonomous driving, face recognition, reading radiology images, and more.
By the end, you will be able to build a convolutional neural network, including recent variations such as residual networks; apply convolutional networks to visual detection and recognition tasks; and use neural style transfer to generate art and apply these algorithms to a variety of image, video, and other 2D or 3D data. 

The Deep Learning Specialization is our foundational program that will help you understand the capabilities, challenges, and consequences of deep learning and prepare you to participate in the development of leading-edge AI technology. It provides a pathway for you to gain the knowledge and skills to apply machine learning to your work, level up your technical career, and take the definitive step in the world of AI.

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

Специализация Глубокое обучение

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

Intermediate Python skills: basic programming, understanding of for loops, if/else statements, data structures
A basic grasp of linear algebra & ML

Прибл. 34 часа на выполнение

Английский

Субтитры: Китайский (традиционное письмо), Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский, Японский

Приобретаемые навыки

Deep LearningFacial Recognition SystemConvolutional Neural NetworkTensorflowObject Detection and Segmentation

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

Специализация Глубокое обучение

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

Intermediate Python skills: basic programming, understanding of for loops, if/else statements, data structures
A basic grasp of linear algebra & ML

Прибл. 34 часа на выполнение

Английский

Преподаватели

Оценка преподавателя

4.92/5 (оценок: 2,249)

от партнера

deeplearning.ai

DeepLearning.AI is an education technology company that develops a global community of AI talent.

Программа курса: что вы изучите

Оценка контента95%(56,819 оценки)

Неделя

Неделя 1

9 ч. на завершение

Foundations of Convolutional Neural Networks

Implement the foundational layers of CNNs (pooling, convolutions) and stack them properly in a deep network to solve multi-class image classification problems.

9 ч. на завершение

12 видео ((всего 140 мин.)), 5 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

5 материалов для самостоятельного изучения

Connect with your Mentors and Fellow Learners on Discourse!10мин

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

Неделя

Неделя 2

9 ч. на завершение

Deep Convolutional Models: Case Studies

Discover some powerful practical tricks and methods used in deep CNNs, straight from the research papers, then apply transfer learning to your own deep CNN.

9 ч. на завершение

14 видео ((всего 128 мин.)), 1 материал для самостоятельного изучения, 3 тестов

14 видео

Why look at case studies?3мин

Classic Networks18мин

ResNets7мин

Why ResNets Work?9мин

Networks in Networks and 1x1 Convolutions6мин

Inception Network Motivation10мин

Inception Network8мин

MobileNet16мин

MobileNet Architecture8мин

EfficientNet3мин

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

Неделя

Неделя 3

8 ч. на завершение

Object Detection

Apply your new knowledge of CNNs to one of the hottest (and most challenging!) fields in computer vision: object detection.

8 ч. на завершение

14 видео ((всего 111 мин.)), 2 материалов для самостоятельного изучения, 3 тестов

14 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

Region Proposals (Optional)6мин

Semantic Segmentation with U-Net7мин

Transpose Convolutions7мин

U-Net Architecture Intuition3мин

U-Net Architecture7мин

2 материала для самостоятельного изучения

Convolutional Implementation of Sliding Windows *CORRECTION*1мин

YOLO algorithm *CORRECTION*1мин

1 практическое упражнение

Detection Algorithms30мин

Неделя

Неделя 4

8 ч. на завершение

Special Applications: Face recognition & Neural Style Transfer

Explore how CNNs can be applied to multiple fields, including art generation and face recognition, then implement your own algorithm to generate art and recognize faces!

8 ч. на завершение

11 видео ((всего 76 мин.)), 5 материалов для самостоятельного изучения, 3 тестов

11 видео

What is Face Recognition?4мин

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

5 материалов для самостоятельного изучения

Triplet Loss *CORRECTION*1мин

Face Verification and Binary Classification *CORRECTION*1мин

Style Cost *CORRECTION*1мин

References10мин

Acknowledgments10мин

1 практическое упражнение

Special Applications: Face Recognition & Neural Style Transfer30мин

Рецензии

4.9

Рецензии: 5070

5 stars
87.54%
4 stars
10.54%
3 stars
1.45%
2 stars
0.28%
1 star
0.16%

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 OA3 сент. 2020 г.

Great course. Easy to understand and with very synthetized information on the most relevant topics, even though some videos repeat information due to wrong edition, everything is still understandable.

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 AG12 янв. 2019 г.

Great course for kickoff into the world of CNN's. Gives a nice overview of existing architectures and certain applications of CNN's as well as giving some solid background in how they work internally.

Посмотреть все отзывы

Специализация Глубокое обучение: общие сведения

The Deep Learning Specialization is our foundational program that will help you understand the capabilities, challenges, and consequences of deep learning and prepare you to participate in the development of leading-edge AI technology.

In this Specialization, you will build neural network architectures such as Convolutional Neural Networks, Recurrent Neural Networks, LSTMs, Transformers, and learn how to make them better with strategies such as Dropout, BatchNorm, Xavier/He initialization, and more. You will master these theoretical concepts and their industry applications using Python and TensorFlow. You will tackle real-world case studies such as autonomous driving, sign language reading, music generation, computer vision, speech recognition, and natural language processing. AI is transforming many industries. The Deep Learning Specialization provides a pathway for you to gain the knowledge and skills to apply machine learning to your work, level up your technical career, and take the definitive step in the world of AI. Along the way, you will get career advice from deep learning experts from industry and academia.

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.
Какие правила возврата средств?
Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.
Можно ли получить финансовую помощь?
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.

Convolutional Neural Networks

Об этом курсе

Карьерные результаты учащихся

36%

37%

12%

Приобретаемые навыки

Карьерные результаты учащихся

36%

37%

12%

Преподаватели

Andrew Ng
Лучшие преподаватели

Kian Katanforoosh
Лучшие преподаватели

Younes Bensouda Mourri
Лучшие преподаватели

от партнера

deeplearning.ai

Программа курса: что вы изучите

Неделя 1

Foundations of Convolutional Neural Networks

Неделя 2

Deep Convolutional Models: Case Studies

Неделя 3

Object Detection

Неделя 4

Special Applications: Face recognition & Neural Style Transfer

Рецензии

Лучшие отзывы о курсе CONVOLUTIONAL NEURAL NETWORKS

Специализация Глубокое обучение: общие сведения

Часто задаваемые вопросы

Лучшие онлайн-курсы

Лучшие онлайн-специализации

Сертификаты онлайн

Программы получения онлайн-дипломов

Coursera

Сообщество

Еще

Convolutional Neural Networks

Об этом курсе

Карьерные результаты учащихся

36%

37%

12%

Приобретаемые навыки

Карьерные результаты учащихся

36%

37%

12%

Преподаватели

Andrew NgЛучшие преподаватели

Kian KatanforooshЛучшие преподаватели

Younes Bensouda MourriЛучшие преподаватели

от партнера

deeplearning.ai

Программа курса: что вы изучите

Неделя 1

Foundations of Convolutional Neural Networks

Неделя 2

Deep Convolutional Models: Case Studies

Неделя 3

Object Detection

Неделя 4

Special Applications: Face recognition & Neural Style Transfer

Рецензии

Лучшие отзывы о курсе CONVOLUTIONAL NEURAL NETWORKS

Специализация Глубокое обучение: общие сведения

Часто задаваемые вопросы

Coursera Footer

Лучшие онлайн-курсы

Лучшие онлайн-специализации

Сертификаты онлайн

Программы получения онлайн-дипломов

Coursera

Сообщество

Еще

Andrew Ng
Лучшие преподаватели

Kian Katanforoosh
Лучшие преподаватели

Younes Bensouda Mourri
Лучшие преподаватели