The goal of this course is to give learners basic understanding of modern neural networks and their applications in computer vision and natural language understanding. The course starts with a recap of linear models and discussion of stochastic optimization methods that are crucial for training deep neural networks. Learners will study all popular building blocks of neural networks including fully connected layers, convolutional and recurrent layers.
Этот курс входит в специализацию ''Специализация Продвинутое машинное обучение'
от партнера
Специализация Продвинутое машинное обучениеНациональный исследовательский университет "Высшая школа экономики"Об этом курсе
Недавно просмотрено: 503,336
Карьерные результаты учащихся
35%
начал новую карьеру, пройдя эти курсы
40%
получил значимые преимущества в карьере благодаря этому курсу
21%
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 1 из 7 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Продвинутый уровень
Прибл. 34 часа на выполнение
Английский
Субтитры: Английский, Корейский
Приобретаемые навыки
Recurrent Neural NetworkTensorflowConvolutional Neural NetworkDeep Learning
Карьерные результаты учащихся
35%
начал новую карьеру, пройдя эти курсы
40%
получил значимые преимущества в карьере благодаря этому курсу
21%
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 1 из 7 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Продвинутый уровень
Прибл. 34 часа на выполнение
Английский
Субтитры: Английский, Корейский
от партнера
Национальный исследовательский университет "Высшая школа экономики"
National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more.
Программа курса: что вы изучите
6 ч. на завершение
Introduction to optimization
Welcome to the "Introduction to Deep Learning" course! In the first week you'll learn about linear models and stochatic optimization methods. Linear models are basic building blocks for many deep architectures, and stochastic optimization is used to learn every model that we'll discuss in our course.
6 ч. на завершение
10 видео ((всего 64 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
10 видео
Welcome to AML specialization!2мин
Course intro6мин
Linear regression9мин
Linear classification10мин
Gradient descent5мин
Overfitting problem and model validation6мин
Model regularization5мин
Stochastic gradient descent5мин
Gradient descent extensions9мин
3 материала для самостоятельного изучения
About the University10мин
Welcome!5мин
Hardware for the course10мин
2 практических упражнения
Linear models30мин
Overfitting and regularization30мин
5 ч. на завершение
Introduction to neural networks
This module is an introduction to the concept of a deep neural network. You'll begin with the linear model and finish with writing your very first deep network.
5 ч. на завершение
9 видео ((всего 85 мин.)), 3 материалов для самостоятельного изучения, 4 тестов
9 видео
Chain rule7мин
Backpropagation9мин
Efficient MLP implementation13мин
Other matrix derivatives5мин
What is TensorFlow10мин
Our first model in TensorFlow10мин
What Deep Learning is and is not8мин
Deep learning as a language6мин
3 материала для самостоятельного изучения
Optional reading on matrix derivatives1мин
TensorFlow reading1мин
Keras reading1мин
2 практических упражнения
Multilayer perceptron10мин
Matrix derivatives20мин
6 ч. на завершение
Deep Learning for images
In this week you will learn about building blocks of deep learning for image input. You will learn how to build Convolutional Neural Network (CNN) architectures with these blocks and how to quickly solve a new task using so-called pre-trained models.
6 ч. на завершение
6 видео ((всего 59 мин.))
6 видео
Our first CNN architecture10мин
Training tips and tricks for deep CNNs14мин
Overview of modern CNN architectures8мин
Learning new tasks with pre-trained CNNs5мин
A glimpse of other Computer Vision tasks8мин
1 практическое упражнение
Convolutions and pooling30мин
5 ч. на завершение
Unsupervised representation learning
This week we're gonna dive into unsupervised parts of deep learning. You'll learn how to generate, morph and search images with deep learning.
5 ч. на завершение
9 видео ((всего 81 мин.))
9 видео
Autoencoders 1015мин
Autoencoder applications9мин
Autoencoder applications: image generation, data visualization & more7мин
Natural language processing primer10мин
Word embeddings13мин
Generative models 1017мин
Generative Adversarial Networks10мин
Applications of adversarial approach11мин
1 практическое упражнение
Word embeddings30мин
Рецензии
Лучшие отзывы о курсе INTRODUCTION TO DEEP LEARNING
от партнера DK19 сент. 2019 г.
one of the excellent courses in deep learning. As stated its advanced and enjoyed a lot in solving the assignments. looking forward for more such courses especially in Natural language processing
от партнера AM28 мая 2020 г.
The hardest, yet most satisfying course I've ever taken in deep learning, by the end of the course I was doing stuff that was borderline sci-fi and that was just "introduction" to deep learning
от партнера MO16 дек. 2017 г.
I found the content to be interesting and on a good level of advancement, but I also found the exercises to be buggy sometimes or not well thought, which cost a lot of extra time spent on it.
от партнера AK1 июня 2019 г.
one of the best courses I have attended. clear explanation, clear examples, amazing quizzes & Programming Assignment this course is advanced level, don't enroll it if you are a new starter.
Специализация Продвинутое машинное обучение: общие сведения
This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
Что я получу, оформив подписку на специализацию?
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.
Какие правила возврата средств?
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.
Можно ли получить финансовую помощь?
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.
