Этот курс входит в специализацию ''Профессиональная сертификация 'IBM AI Engineering''

Joseph Santarcangelo

от партнера

Профессиональная сертификация 'IBM AI Engineering'IBM

Об этом курсе

Недавно просмотрено: 155,137

The course will teach you how to develop deep learning models using  Pytorch. The course will start with Pytorch's  tensors and Automatic differentiation package. Then each section will cover different models starting off with fundamentals such as Linear Regression, and logistic/softmax regression. Followed by  Feedforward deep neural networks, the role of different activation functions, normalization and dropout layers. Then Convolutional Neural Networks and Transfer learning will be covered. Finally, several other Deep learning methods will be covered.
Learning Outcomes:
After completing this course, learners will be able to:
•	explain and apply their knowledge of Deep Neural Networks and related machine learning methods
•	know how to use Python libraries such as PyTorch  for Deep Learning applications 
•	build Deep Neural Networks using PyTorch

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 4 из 6 в программе

IBM AI Engineering

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

Прибл. 31 час на выполнение

Английский

Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский

Преподаватели

Оценка преподавателя

4.53/5 (оценок: 97)

Joseph Santarcangelo

Ph.D., Data Scientist at IBM

IBM Developer Skills Network

420,366 учащихся

10 курсов

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 4 из 6 в программе

IBM AI Engineering

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

Прибл. 31 час на выполнение

Английский

от партнера

IBM

IBM offers a wide range of technology and consulting services; a broad portfolio of middleware for collaboration, predictive analytics, software development and systems management; and the world's most advanced servers and supercomputers. Utilizing its business consulting, technology and R&D expertise, IBM helps clients become "smarter" as the planet becomes more digitally interconnected. IBM invests more than $6 billion a year in R&D, just completing its 21st year of patent leadership. IBM Research has received recognition beyond any commercial technology research organization and is home to 5 Nobel Laureates, 9 US National Medals of Technology, 5 US National Medals of Science, 6 Turing Awards, and 10 Inductees in US Inventors Hall of Fame.

Программа курса: что вы изучите

Оценка контента87%(2,177 оценки)

Неделя

Неделя 1

5 ч. на завершение

Tensor and Datasets

5 ч. на завершение

6 видео ((всего 44 мин.))

6 видео

1.0 Overview of Tensors3мин

1.1 Tensors 1D13мин

1.2 Two-Dimensional Tensors9мин

Differentiation in PyTorch5мин

1.3 Simple Dataset7мин

1.5 Dataset4мин

5 практических упражнений

1.1 Tensors 1D5мин

1.2 Two-Dimensional Tensors5мин

1.3 Derivatives in PyTorch5мин

Simple Dataset5мин

Datasets10мин

Неделя

Неделя 2

2 ч. на завершение

Linear Regression

2 ч. на завершение

7 видео ((всего 35 мин.))

7 видео

2.1 Linear Regression Prediction8мин

2.1 Linear Regression Training3мин

Loss3мин

Gradient Descent4мин

Cost3мин

Linear Regression PyToch5мин

PyTorch Linear Regression Training Slope and Bias5мин

7 практических упражнений

Prediction in One Dimension5мин

Linear Regression Training5мин

Loss5мин

Gradient Descent5мин

Cost5мин

Training Parameters in PyTorch5мин

PyTorch Linear Regression Training Slope and Bias5мин

3 ч. на завершение

Linear Regression PyTorch Way

3 ч. на завершение

5 видео ((всего 21 мин.))

5 видео

Stochastic Gradient Descentaddsub6мин

Mini-Batch Gradient Descent3мин

Optimization in PyTorch3мин

Training, Validation and Test Split4мин

Training, Validation and Test Split PyTorch3мин

4 практических упражнения

Quiz: Stochastic Gradient Descent5мин

Mini-Batch Gradient Descent5мин

3.3 Optimization in PyTorch5мин

Training and Validation Data PyTorch5мин

Неделя

Неделя 3

2 ч. на завершение

Multiple Input Output Linear Regression

2 ч. на завершение

4 видео ((всего 18 мин.))

4 видео

Multiple Linear Regression Prediction8мин

Multiple Linear Regression Training2мин

Linear Regression Multiple Outputs5мин

Multiple Output Linear Regression Training1мин

2 практических упражнения

Multiple Linear Regression Prediction5мин

Multiple Output Linear Regression5мин

2 ч. на завершение

Logistic Regression for Classification

2 ч. на завершение

4 видео ((всего 31 мин.))

4 видео

5.0 Linear Classifiers8мин

5.1 Logistic Regression: Prediction6мин

Bernoulli Distribution and Maximum Likelihood Estimation5мин

Logistic Regression Cross Entropy Loss10мин

5 практических упражнений

5.0 Linear Classifiers5мин

5.1 Logistic Regression: Prediction10мин

Bernoulli Distribution and Maximum Likelihood Estimation5мин

5.3 Logistic Regression Cross Entropy Loss10мин

Неделя

Неделя 4

2 ч. на завершение

Softmax Rergresstion

2 ч. на завершение

3 видео ((всего 18 мин.))

3 видео

6.1 Softmax7мин

6.2 Softmax Function:Using Lines to Classify Data3мин

Softmax PyTorch6мин

3 практических упражнения

6.1 Softmax Function:Using Lines to Classify Data5мин

6.2 Softmax Prediction5мин

6.3 Softmax PyTorch Quizz5мин

3 ч. на завершение

Shallow Neural Networks

3 ч. на завершение

6 видео ((всего 33 мин.))

6 видео

What's a Neural Network9мин

More Hidden Neurons2мин

Neural Networks with Multiple Dimensional Input5мин

7.4 Multi-Class Neural Networks5мин

7.5 Backpropagation5мин

7.5 Activation Functions4мин

6 практических упражнений

Neural Networks5мин

More Hidden Neurons 5мин

Neural Networks with Multiple Dimensional Inputs5мин

Multi-Class Neural Networks5мин

Backpropagation5мин

Activation Functions5мин

Профессиональная сертификация 'IBM AI Engineering': общие сведения

Artificial intelligence (AI) is revolutionizing entire industries, changing the way companies across sectors leverage data to make decisions. To stay competitive, organizations need qualified AI engineers who use cutting-edge methods like machine learning algorithms and deep learning neural networks to provide data driven actionable intelligence for their businesses. This 6-course Professional Certificate is designed to equip you with the tools you need to succeed in your career as an AI or ML engineer.

You’ll master fundamental concepts of machine learning and deep learning, including supervised and unsupervised learning, using programming languages like Python. You’ll apply popular machine learning and deep learning libraries such as SciPy, ScikitLearn, Keras, PyTorch, and Tensorflow to industry problems involving object recognition, computer vision, image and video processing, text analytics, natural language processing (NLP), recommender systems, and other types of classifiers. Through hands-on projects, you’ll gain essential data science skills scaling machine learning algorithms on big data using Apache Spark. You’ll build, train, and deploy different types of deep architectures, including convolutional neural networks, recurrent networks, and autoencoders. In addition to earning a Professional Certificate from Coursera, you will also receive a digital badge from IBM recognizing your proficiency in AI engineering.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на сертификацию?
Записавшись на курс, вы получите доступ ко всем курсам в сертификации, 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.

Deep Neural Networks with PyTorch