Об этом курсе
Недавно просмотрено: 198,960

Курс 2 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

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. 8 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Check

    Handle real-world image data

  • Check

    Plot loss and accuracy

  • Check

    Explore strategies to prevent overfitting, including augmentation and dropout

  • Check

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

Приобретаемые навыки

Inductive TransferAugmentationDropoutsMachine LearningTensorflow

Курс 2 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

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. 8 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
4 ч. на завершение

Exploring a Larger Dataset

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 материала 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
4 ч. на завершение

Augmentation: A technique to avoid overfitting

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 материала 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
4 ч. на завершение

Transfer Learning

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 материала 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
4 ч. на завершение

Multiclass Classifications

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 материала 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
4.7
Рецензии: 251Chevron Right

15%

получил значимые преимущества в карьере благодаря этому курсу

11%

стал больше зарабатывать или получил повышение

Лучшие отзывы о курсе Convolutional Neural Networks in TensorFlow

автор: JMSep 12th 2019

great introductory stuff, great way to keep in touch with tensorflow's new tools, and the instructor is absolutely phenomenal. love the enthusiasm and the interactions with andrew are a joy to watch.

автор: MHMay 24th 2019

A very comprehensive and easy to learn course on Tensor Flow. I am really impressed by the Instructor ability to teach difficult concept with ease. I will look forward another course of this series.

Преподаватели

Avatar

Laurence Moroney

AI Advocate
Google Brain

О deeplearning.ai

deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders....

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. Courses 1-3 are available now, with Course 4 launching in July....
TensorFlow in Practice

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.

Остались вопросы? Посетите Центр поддержки учащихся.