Об этом курсе
Недавно просмотрено: 731,205

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 14 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

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 14 часа на выполнение

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

Английский

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

Программа курса: что вы изучите

Неделя
1
8 ч. на завершение

Practical aspects of Deep Learning

15 видео ((всего 131 мин.)), 3 материалов для самостоятельного изучения, 4 тестов
15 видео
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 практическое упражнение
Practical aspects of deep learning20мин
Неделя
2
4 ч. на завершение

Optimization algorithms

11 видео ((всего 92 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
11 видео
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 практическое упражнение
Optimization algorithms20мин
Неделя
3
5 ч. на завершение

Hyperparameter tuning, Batch Normalization and Programming Frameworks

11 видео ((всего 104 мин.)), 1 материал для самостоятельного изучения, 2 тестов
11 видео
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
1 материал для самостоятельного изучения
Clarifications about Upcoming Softmax Video1мин
1 практическое упражнение
Hyperparameter tuning, Batch Normalization, Programming Frameworks20мин
4.9
Рецензии: 3959Chevron Right

40%

начал новую карьеру, пройдя эти курсы

36%

получил значимые преимущества в карьере благодаря этому курсу

11%

стал больше зарабатывать или получил повышение

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: CVDec 24th 2017

Exceptional Course, the Hyper parameters explanations are excellent every tip and advice provided help me so much to build better models, I also really liked the introduction of Tensor Flow\n\nThanks.

Преподаватели

Avatar

Andrew Ng

CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain
Avatar

Head Teaching Assistant - Kian Katanforoosh

Lecturer of Computer Science at Stanford University, deeplearning.ai, Ecole CentraleSupelec
Avatar

Teaching Assistant - Younes Bensouda Mourri

Mathematical & Computational Sciences, Stanford University, deeplearning.ai
Computer Science

О deeplearning.ai

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

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.