If you are a software developer who wants to build scalable AI-powered algorithms, you need to understand how to use the tools to build them. This course is part of the upcoming Machine Learning in Tensorflow Specialization and will teach you best practices for using TensorFlow, a popular open-source framework for machine learning.
Этот курс входит в специализацию ''Профессиональная сертификация 'TensorFlow-разработчик от deeplearning.ai''
от партнера
Об этом курсе
Недавно просмотрено: 586,576
Карьерные результаты учащихся
25%
начал новую карьеру, пройдя эти курсы
28%
получил значимые преимущества в карьере благодаря этому курсу
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 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Experience in Python coding and high school-level math is required. Prior machine learning or deep learning knowledge is helpful but not required.
Прибл. 30 часов на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский, Японский
Чему вы научитесь
Learn best practices for using TensorFlow, a popular open-source machine learning framework
Build a basic neural network in TensorFlow
Train a neural network for a computer vision application
Understand how to use convolutions to improve your neural network
Приобретаемые навыки
Computer VisionTensorflowMachine Learning
Карьерные результаты учащихся
25%
начал новую карьеру, пройдя эти курсы
28%
получил значимые преимущества в карьере благодаря этому курсу
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 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Experience in Python coding and high school-level math is required. Prior machine learning or deep learning knowledge is helpful but not required.
Прибл. 30 часов на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, Английский, Испанский, Японский
от партнера
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
Программа курса: что вы изучите
6 ч. на завершение
A New Programming Paradigm
Welcome to this course on going from Basics to Mastery of TensorFlow. We're excited you're here! In week 1 you'll get a soft introduction to what Machine Learning and Deep Learning are, and how they offer you a new programming paradigm, giving you a new set of tools to open previously unexplored scenarios. All you need to know is some very basic programming skills, and you'll pick the rest up as you go along.
6 ч. на завершение
4 видео ((всего 16 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
4 видео
A primer in machine learning3мин
The ‘Hello World’ of neural networks5мин
Working through ‘Hello World’ in TensorFlow and Python3мин
5 материалов для самостоятельного изучения
Before you begin: TensorFlow 2.0 and this course10мин
From rules to data10мин
Try it for yourself10мин
Introduction to Google Colaboratory10мин
Week 1 Resources10мин
1 практическое упражнение
Week 1 Quiz
7 ч. на завершение
Introduction to Computer Vision
Welcome to week 2 of the course! In week 1 you learned all about how Machine Learning and Deep Learning is a new programming paradigm. This week you’re going to take that to the next level by beginning to solve problems of computer vision with just a few lines of code!
7 ч. на завершение
7 видео ((всего 15 мин.)), 6 материалов для самостоятельного изучения, 3 тестов
7 видео
An Introduction to computer vision2мин
Writing code to load training data2мин
Coding a Computer Vision Neural Network2мин
Walk through a Notebook for computer vision3мин
Using Callbacks to control training1мин
Walk through a notebook with Callbacks1мин
6 материалов для самостоятельного изучения
Exploring how to use data10мин
The structure of Fashion MNIST data10мин
See how it's done10мин
Get hands-on with computer vision1ч
See how to implement Callbacks10мин
Week 2 Resources10мин
1 практическое упражнение
Week 2 Quiz
8 ч. на завершение
Enhancing Vision with Convolutional Neural Networks
Welcome to week 3! In week 2 you saw a basic Neural Network for Computer Vision. It did the job nicely, but it was a little naive in its approach. This week we’ll see how to make it better, as discussed by Laurence and Andrew here.
8 ч. на завершение
6 видео ((всего 19 мин.)), 6 материалов для самостоятельного изучения, 3 тестов
6 видео
What are convolutions and pooling?2мин
Implementing convolutional layers1мин
Implementing pooling layers4мин
Improving the Fashion classifier with convolutions4мин
Walking through convolutions3мин
6 материалов для самостоятельного изучения
Coding convolutions and pooling layers10мин
Learn more about convolutions10мин
Getting hands-on, your first ConvNet10мин
Try it for yourself1ч
Experiment with filters and pools1ч
Week 3 Resources10мин
1 практическое упражнение
Week 3 Quiz
9 ч. на завершение
Using Real-world Images
Last week you saw how to improve the results from your deep neural network using convolutions. It was a good start, but the data you used was very basic. What happens when your images are larger, or if the features aren’t always in the same place? Andrew and Laurence discuss this to prepare you for what you’ll learn this week: handling complex images!
9 ч. на завершение
9 видео ((всего 27 мин.)), 10 материалов для самостоятельного изучения, 3 тестов
9 видео
Understanding ImageGenerator4мин
Defining a ConvNet to use complex images2мин
Training the ConvNet with fit_generator2мин
Walking through developing a ConvNet2мин
Walking through training the ConvNet with fit_generator3мин
Adding automatic validation to test accuracy4мин
Exploring the impact of compressing images3мин
A conversation with Andrew1мин
10 материалов для самостоятельного изучения
Explore an impactful, real-world solution10мин
Designing the neural network10мин
Train the ConvNet with ImageGenerator10мин
Exploring the solution10мин
Training the neural network10мин
Experiment with the horse or human classifier1ч
Get hands-on and use validation30мин
Get Hands-on with compacted images30мин
Week 4 Resources10мин
Wrap up10мин
1 практическое упражнение
Week 4 Quiz
Рецензии
Лучшие отзывы о курсе INTRODUCTION TO TENSORFLOW FOR ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, AND DEEP LEARNING
от партнера JJ27 апр. 2019 г.
Very well organized. Good speakers. Content is comprehensive for a Introductory Course. A little more explanation on Validation versus Testing and on some of the evaluation functions would be helpful.
от партнера AS8 мар. 2019 г.
Good intro course, but google colab assignments need to be improved. And submitting a jupyter notebook was much more easier, why would I want to login to my google account to be a part of this course?
от партнера RD13 авг. 2019 г.
Great course to get started with building Convolutional Neural Networks in Keras for building Image Classifiers. This is probably the best way to get beginners into Deep Learning for Computer Vision.
от партнера NI18 окт. 2020 г.
Great course to get started with building Convolutional Neural Networks in Keras for building Image Classifiers. This is probably the best way to get beginners into Deep Learning for Computer Vision.
Профессиональная сертификация 'TensorFlow-разработчик от deeplearning.ai': общие сведения
TensorFlow is one of the most in-demand and popular open-source deep learning frameworks available today. The DeepLearning.AI TensorFlow Developer Professional Certificate program teaches you applied machine learning skills with TensorFlow so you can build and train powerful models.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на сертификацию?
Остались вопросы? Посетите Центр поддержки учащихся.
