Об этом курсе

Недавно просмотрено: 582,702

Карьерные результаты учащихся

13%

получил значимые преимущества в карьере благодаря этому курсу

10%

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 2 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Course 1 of the TensorFlow Specialization, Python coding, and high-school level math are required. ML/DL experience is helpful but not required.

Прибл. 26 часов на выполнение
Английский
Субтитры: Английский, Русский, Японский

Чему вы научитесь

  • Handle real-world image data

  • Plot loss and accuracy

  • Explore strategies to prevent overfitting, including augmentation and dropout

  • Learn transfer learning and how learned features can be extracted from models

Приобретаемые навыки

Inductive TransferAugmentationDropoutsMachine LearningTensorflow

Карьерные результаты учащихся

13%

получил значимые преимущества в карьере благодаря этому курсу

10%

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 2 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Course 1 of the TensorFlow Specialization, Python coding, and high-school level math are required. ML/DL experience is helpful but not required.

Прибл. 26 часов на выполнение
Английский
Субтитры: Английский, Русский, Японский

Преподаватели

от партнера

Логотип deeplearning.ai

deeplearning.ai

Программа курса: что вы изучите

Оценка контентаThumbs Up97%(5,482 оценки)Info
Неделя
1

Неделя 1

7 ч. на завершение

Exploring a Larger Dataset

7 ч. на завершение
8 видео ((всего 18 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
8 видео
A conversation with Andrew Ng1мин
Training with the cats vs. dogs dataset2мин
Working through the notebook4мин
Fixing through cropping49
Visualizing the effect of the convolutions1мин
Looking at accuracy and loss1мин
Week 1 Wrap up33
5 материалов для самостоятельного изучения
Before you Begin: TensorFlow 2.0 and this Course10мин
The cats vs dogs dataset10мин
Looking at the notebook10мин
What you'll see next10мин
What have we seen so far?10мин
1 практическое упражнение
Week 1 Quiz30мин
Неделя
2

Неделя 2

7 ч. на завершение

Augmentation: A technique to avoid overfitting

7 ч. на завершение
7 видео ((всего 14 мин.)), 6 материалов для самостоятельного изучения, 3 тестов
7 видео
Introducing augmentation2мин
Coding augmentation with ImageDataGenerator3мин
Demonstrating overfitting in cats vs. dogs1мин
Adding augmentation to cats vs. dogs1мин
Exploring augmentation with horses vs. humans1мин
Week 2 Wrap up37
6 материалов для самостоятельного изучения
Image Augmentation10мин
Start Coding...10мин
Looking at the notebook10мин
The impact of augmentation on Cats vs. Dogs10мин
Try it for yourself!10мин
What have we seen so far?10мин
1 практическое упражнение
Week 2 Quiz30мин
Неделя
3

Неделя 3

7 ч. на завершение

Transfer Learning

7 ч. на завершение
7 видео ((всего 14 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
7 видео
Understanding transfer learning: the concepts2мин
Coding transfer learning from the inception mode1мин
Coding your own model with transferred features2мин
Exploring dropouts1мин
Exploring Transfer Learning with Inception1мин
Week 3 Wrap up36
5 материалов для самостоятельного изучения
Start coding!10мин
Adding your DNN10мин
Using dropouts!10мин
Applying Transfer Learning to Cats v Dogs10мин
What have we seen so far?10мин
1 практическое упражнение
Week 3 Quiz30мин
Неделя
4

Неделя 4

7 ч. на завершение

Multiclass Classifications

7 ч. на завершение
6 видео ((всего 12 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
6 видео
Moving from binary to multi-class classification44
Explore multi-class with Rock Paper Scissors dataset2мин
Train a classifier with Rock Paper Scissors1мин
Test the Rock Paper Scissors classifier2мин
A conversation with Andrew Ng1мин
5 материалов для самостоятельного изучения
Introducing the Rock-Paper-Scissors dataset10мин
Check out the code!10мин
Try testing the classifier10мин
What have we seen so far?10мин
Wrap up10мин
1 практическое упражнение
Week 4 Quiz30мин

Рецензии

Лучшие отзывы о курсе CONVOLUTIONAL NEURAL NETWORKS IN TENSORFLOW

Посмотреть все отзывы

Специализация TensorFlow in Practice: общие сведения

Discover the tools software developers use to build scalable AI-powered algorithms in TensorFlow, a popular open-source machine learning framework. In this four-course Specialization, you’ll explore exciting opportunities for AI applications. Begin by developing an understanding of how to build and train neural networks. Improve a network’s performance using convolutions as you train it to identify real-world images. You’ll teach machines to understand, analyze, and respond to human speech with natural language processing systems. Learn to process text, represent sentences as vectors, and input data to a neural network. You’ll even train an AI to create original poetry! AI is already transforming industries across the world. After finishing this Specialization, you’ll be able to apply your new TensorFlow skills to a wide range of problems and projects. Looking for more advanced TensorFlow content? Check out the new TensorFlow: Data and Deployment Specialization....
TensorFlow in Practice

Часто задаваемые вопросы

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.

    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

  • When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.

Остались вопросы? Посетите Центр поддержки учащихся.