Об этом курсе

Недавно просмотрено: 29,713

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 27 часа на выполнение

Английский

Субтитры: Английский

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 27 часа на выполнение

Английский

Субтитры: Английский

от партнера

Логотип Имперский колледж Лондона

Имперский колледж Лондона

Программа курса: что вы изучите

Неделя
1

Неделя 1

6 ч. на завершение

The Keras functional API

6 ч. на завершение
14 видео ((всего 81 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
14 видео
Interview with Laurence Moroney4мин
The Keras functional API5мин
Multiple inputs and outputs6мин
[Coding tutorial] Multiple inputs and outputs9мин
Variables5мин
Tensors5мин
[Coding tutorial] Variables and Tensors8мин
Accessing layer Variables4мин
Accessing layer Tensors5мин
[Coding tutorial] Accessing model layers8мин
Freezing layers4мин
[Coding tutorial] Freezing layers7мин
Wrap up and introduction to the programming assignment1мин
5 материала для самостоятельного изучения
About Imperial College & the team10мин
How to be successful in this course10мин
Grading policy10мин
Additional readings & helpful references10мин
Device placement10мин
1 практическое упражнение
[Knowledge check] Transfer learning10мин
Неделя
2

Неделя 2

6 ч. на завершение

Data Pipeline

6 ч. на завершение
12 видео ((всего 93 мин.)), 1 материал для самостоятельного изучения, 2 тестов
12 видео
Keras datasets3мин
[Coding tutorial] Keras datasets11мин
Dataset generators7мин
[Coding tutorial] Dataset generators12мин
Keras image data augmentation5мин
[Coding tutorial] Keras image data augmentation10мин
The Dataset class8мин
[Coding tutorial] The Dataset class10мин
Training with Datasets7мин
[Coding tutorial] Training with Datasets11мин
Wrap up and introduction to the programming assignment1мин
1 материал для самостоятельного изучения
TensorFlow Datasets10мин
1 практическое упражнение
[Knowledge check] Python generators15мин
Неделя
3

Неделя 3

6 ч. на завершение

Sequence Modelling

6 ч. на завершение
13 видео ((всего 92 мин.))
13 видео
Interview with Doug Kelly10мин
Preprocessing sequence data7мин
[Coding tutorial] The IMDB dataset8мин
[Coding tutorial] Padding and masking sequence data7мин
The Embedding layer4мин
[Coding tutorial] The Embedding layer4мин
[Coding tutorial] The Embedding Projector12мин
Recurrent neural network layers4мин
[Coding tutorial] Recurrent neural network layers9мин
Stacked RNNs and the Bidirectional wrapper7мин
[Coding tutorial] Stacked RNNs and the Bidirectional wrapper10мин
Wrap up and introduction to the programming assignment1мин
1 практическое упражнение
[Knowledge check] Recurrent neural networks15мин
Неделя
4

Неделя 4

6 ч. на завершение

Model subclassing and custom training loops

6 ч. на завершение
12 видео ((всего 71 мин.))
12 видео
Model subclassing5мин
[Coding tutorial] Model subclassing5мин
Custom layers7мин
[Coding tutorial] Custom layers10мин
Automatic differentiation5мин
[Coding tutorial] Automatic differentiation6мин
Custom training loops7мин
[Coding tutorial] Custom training loops10мин
tf.function decorator3мин
[Coding tutorial] tf.function decorator5мин
Wrap up and introduction to the programming assignment1мин

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.

  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. 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.

  • Средства можно вернуть в течение двух недель с момента оплаты или (для только что начавшихся курсов) в течение двух недель после первой сессии, в зависимости от того, какое событие наступит позже. Средства не возвращаются после получения сертификата о прохождении курса, даже если вы закончили курс в течение двухнедельного гарантийного срока. 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' и заполните форму. Если его примут, вы получите уведомление. Подробнее

  • Jupyter Notebooks are a third-party tool that some Coursera courses use for programming assignments.

    You can revert your code or get a fresh copy of your Jupyter Notebook mid-assignment. By default, Coursera persistently stores your work within each notebook.

    To keep your old work and also get a fresh copy of the initial Jupyter Notebook, click File, then Make a copy.

    We recommend keeping a naming convention such as “Assignment 1 - Initial” or “Copy” to keep your notebook environment organized. You can also download this file locally.

    Refresh your notebook

    1. Rename your existing Jupyter Notebook within the individual notebook view
    2. In the notebook view, add “?forceRefresh=true” to the end of your notebook URL
    3. Reload the screen
    4. You will be directed to your home Learner Workspace where you’ll see both old and new Notebook files.
    5. Your Notebook lesson item will now launch to the fresh notebook.

    Find missing work

    If your Jupyter Notebook files have disappeared, it means the course staff published a new version of a given notebook to fix problems or make improvements. Your work is still saved under the original name of the previous version of the notebook.

    To recover your work:

    1. Find your current notebook version by checking the top of the notebook window for the title
    2. In your Notebook view, click the Coursera logo
    3. Find and click the name of your previous file

    Unsaved work

    "Kernels" are the execution engines behind the Jupyter Notebook UI. As kernels time out after 90 minutes of notebook activity, be sure to save your notebooks frequently to prevent losing any work. If the kernel times out before the save, you may lose the work in your current session.

    How to tell if your kernel has timed out:

    • Error messages such as "Method Not Allowed" appear in the toolbar area.
    • The last save or auto-checkpoint time shown in the title of the notebook window has not updated recently
    • Your cells are not running or computing when you “Shift + Enter”

    To restart your kernel:

    1. Save your notebook locally to store your current progress
    2. In the notebook toolbar, click Kernel, then Restart
    3. Try testing your kernel by running a print statement in one of your notebook cells. If this is successful, you can continue to save and proceed with your work.
    4. If your notebook kernel is still timed out, try closing your browser and relaunching the notebook. When the notebook reopens, you will need to do "Cell -> Run All" or "Cell -> Run All Above" to regenerate the execution state.
  • Этот курс не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.

Остались вопросы? Посетите Центр поддержки учащихся.