Об этом курсе

Недавно просмотрено: 886,649

Карьерные результаты учащихся

41%

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.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 15 часа на выполнение

Предполагаемая нагрузка: 3 weeks, 3-6 hours per week...

Английский

Субтитры: Китайский (традиционное письмо), Китайский (упрощенное письмо), Корейский, Турецкий, Английский, Испанский...

Приобретаемые навыки

HyperparameterTensorflowHyperparameter OptimizationDeep Learning

Карьерные результаты учащихся

41%

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.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 15 часа на выполнение

Предполагаемая нагрузка: 3 weeks, 3-6 hours per week...

Английский

Субтитры: Китайский (традиционное письмо), Китайский (упрощенное письмо), Корейский, Турецкий, Английский, Испанский...

от партнера

Логотип deeplearning.ai

deeplearning.ai

Программа курса: что вы изучите

Оценка контентаThumbs Up96%(37,919 оценки)Info
Неделя
1

Неделя 1

8 ч. на завершение

Practical aspects of Deep Learning

8 ч. на завершение
15 видео ((всего 131 мин.)), 3 материалов для самостоятельного изучения, 4 тестов
15 видео
Bias / Variance8мин
Basic Recipe for Machine Learning6мин
Regularization9мин
Why regularization reduces overfitting?7мин
Dropout Regularization9мин
Understanding Dropout7мин
Other regularization methods8мин
Normalizing inputs5мин
Vanishing / Exploding gradients6мин
Weight Initialization for Deep Networks6мин
Numerical approximation of gradients6мин
Gradient checking6мин
Gradient Checking Implementation Notes5мин
Yoshua Bengio interview25мин
3 материала для самостоятельного изучения
Clarification about Upcoming Regularization Video1мин
Clarification about Upcoming Understanding dropout Video1мин
Clarification about Upcoming Normalizing Inputs Video1мин
1 практического упражнения
Practical aspects of deep learning30мин
Неделя
2

Неделя 2

5 ч. на завершение

Optimization algorithms

5 ч. на завершение
11 видео ((всего 92 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
11 видео
Understanding mini-batch gradient descent11мин
Exponentially weighted averages5мин
Understanding exponentially weighted averages9мин
Bias correction in exponentially weighted averages4мин
Gradient descent with momentum9мин
RMSprop7мин
Adam optimization algorithm7мин
Learning rate decay6мин
The problem of local optima5мин
Yuanqing Lin interview13мин
2 материала для самостоятельного изучения
Clarification about Upcoming Adam Optimization Video1мин
Clarification about Learning Rate Decay Video1мин
1 практического упражнения
Optimization algorithms30мин
Неделя
3

Неделя 3

5 ч. на завершение

Hyperparameter tuning, Batch Normalization and Programming Frameworks

5 ч. на завершение
11 видео ((всего 104 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
11 видео
Using an appropriate scale to pick hyperparameters8мин
Hyperparameters tuning in practice: Pandas vs. Caviar6мин
Normalizing activations in a network8мин
Fitting Batch Norm into a neural network12мин
Why does Batch Norm work?11мин
Batch Norm at test time5мин
Softmax Regression11мин
Training a softmax classifier10мин
Deep learning frameworks4мин
TensorFlow16мин
2 материала для самостоятельного изучения
Clarifications about Upcoming Softmax Video1мин
Note about TensorFlow 1 and TensorFlow 210мин
1 практического упражнения
Hyperparameter tuning, Batch Normalization, Programming Frameworks30мин
4.9
Рецензии: 4,818Chevron Right

Лучшие отзывы о курсе Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization

автор: XGOct 31st 2017

Thank you Andrew!! I know start to use Tensorflow, however, this tool is not well for a research goal. Maybe, pytorch could be considered in the future!! And let us know how to use pytorch in Windows.

автор: AMOct 9th 2019

I really enjoyed this course. Many details are given here that are crucial to gain experience and tips on things that looks easy at first sight but are important for a faster ML project implementation

Специализация Глубокое обучение: общие сведения

If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning. In five courses, you will learn the foundations of Deep Learning, understand how to build neural networks, and learn how to lead successful machine learning projects. You will learn about Convolutional networks, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization, and more. You will work on case studies from healthcare, autonomous driving, sign language reading, music generation, and natural language processing. You will master not only the theory, but also see how it is applied in industry. You will practice all these ideas in Python and in TensorFlow, which we will teach. You will also hear from many top leaders in Deep Learning, who will share with you their personal stories and give you career advice. AI is transforming multiple industries. After finishing this specialization, you will likely find creative ways to apply it to your work. We will help you master Deep Learning, understand how to apply it, and build a career in AI....
Глубокое обучение

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.