Об этом курсе

Недавно просмотрено: 576,843

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 часа 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 часа на выполнение

Английский

Субтитры: Английский, Русский, Японский

Преподаватели

от партнера

Логотип deeplearning.ai

deeplearning.ai

Программа курса: что вы изучите

Оценка контентаThumbs Up97%(4,714 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 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

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 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

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 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

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 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

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

  • 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.

  • 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.

  • 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.