Специализация Generative Adversarial Networks (GANs)

• What is the refund policy?

  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 зарегистрироваться только на один курс?

  Да! Чтобы начать, нажмите карточку интересующего вас курса и зарегистрируйтесь. Зарегистрировавшись, вы можете пройти курс и получить сертификат, ссылкой на который можно делиться с другими людьми. Просто ознакомиться с содержанием курса можно бесплатно. При подписке на курс, входящий в специализацию, вы автоматически подписываетесь на всю специализацию. Ход учебы можно отслеживать в панели управления учащегося.

• Is financial aid available?

  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

• Могу ли я пройти курс бесплатно?

  Когда вы регистрируетесь на курс, то можете получить доступ ко всем курсам в специализации. Кроме того, вы получаете сертификат о прохождении курса.Просто ознакомиться с содержанием курса можно бесплатно. Если стоимость обучения для вас слишком велика, вы можете подать заявку на финансовую помощь.

• Действительно ли это полностью дистанционный курс? Нужно ли мне посещать какие-либо занятия лично?

  Это полностью дистанционный курс, потому вам не нужно ничего посещать. Все лекции, материалы для самостоятельного изучения и задания доступны всегда и везде по Интернету и с мобильных устройств.

• Получу ли я зачеты в университете за прохождение специализации?

  Эта специализация не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате.

• Получу ли я зачеты в университете за прохождение специализации?

  Эта специализация не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.

• What are the applications of GANs?

  Rooted in game theory, GANs have wide-spread application: from improving cybersecurity by fighting against adversarial attacks and anonymizing data to preserve privacy to generating state-of-the-art images, colorizing black and white images, increasing image resolution, creating avatars, turning 2D images to 3D, and more.  

• Why are GANs important?

  As computing power has increased, so has the popularity of GANs and its capabilities. GANs have opened up many new directions: from generating high amounts of datasets for training machine learning models and allowing for powerful unsupervised learning models to producing sharper, discrete, and more accurate outputs. GANs have also informed research in adjacent areas like adversarial learning, adversarial examples and attacks, model robustness, etc.

• What is the GANs Specialization about?

  The DeepLearning.AI Generative Adversarial Networks (GANs) Specialization provides an exciting introduction to image generation with GANs, charting a path from foundational concepts to advanced techniques through an easy-to-understand approach. It also covers social implications, including bias in ML and the ways to detect it, privacy preservation, and more.

  Build a comprehensive knowledge base and gain hands-on experience in GANs. By the end, you would have trained your own model using PyTorch, used it to create images, and evaluated a variety of advanced GANs.

• What will I learn in the GANs Specialization?

  Specialization: Gain practical knowledge of how generative models work. Construct and design your own generative adversarial model. Analyze how generative models are being applied in various commercial and exploratory applications.

  Course 1: In this course, you will understand the fundamental components of GANs, build a basic GAN using PyTorch, use convolutional layers to build advanced DCGANs that processes images, apply W-Loss function to solve the vanishing gradient problem, and learn how to effectively control your GANs and build conditional GANs.

  Course 2: In this course, you will understand the challenges of evaluating GANs, compare different generative models, use the Fréchet Inception Distance (FID) method to evaluate the fidelity and diversity of GANs, identify sources of bias and the ways to detect it in GANs, and learn and implement the techniques associated with the state-of-the-art StyleGAN.

  Course 3: In this course, you will use GANs for data augmentation and privacy preservation, survey more applications of GANs, and build Pix2Pix and CycleGAN for image translation.

• Who is the GANs Specialization for?

  This Specialization is for software engineers, students, and researchers from any field, who are interested in machine learning and want to understand how GANs work.

  This Specialization provides an accessible pathway for all levels of learners looking to break into the GANs space or apply GANs to their own projects, even without prior familiarity with advanced math and machine learning research.

• What background knowledge is necessary?

  Learners should have a working knowledge of AI, deep learning, and convolutional neural networks. They should have intermediate Python skills as well as some experience with any deep learning framework (TensorFlow, Keras, or PyTorch). Learners should be proficient in basic calculus, linear algebra, and statistics.

  We highly recommend that you complete the Deep Learning Specialization prior to starting the GANs Specialization.

• What will I be able to do upon completing the Specialization?

  After completing this Specialization, you will have learned how to achieve the state-of-the-art in realistic generation. You will be able to generate realistic images, edit those images by controlling the output in a number of ways (eg. convert a horse to a zebra or lengthen your hair or make yourself older), quantitatively compare generators, convert an image to another (eg. turning a sketch into a photo-realistic version), animate still images, solve many of the challenges that GANs are notorious for, and more.

• Who created the GANs Specialization?

  This Specialization was created by Sharon Zhou, a CS PhD candidate at Stanford University, advised by Andrew Ng. Sharon Zhou’s work in AI spans from theoretical to applied, in medicine, climate, and more broadly, social good. Previously a machine learning product manager at Google and various startups, Sharon is a Harvard graduate in CS and Classics. She likes humans more than AI, though GANs occupy a special place in her heart.

• Is this a standalone course or a Specialization?

  This is a Specialization made up of 3 courses.

• Do I need to take the courses in a specific order?

  We recommend taking the courses in the prescribed order for a logical and thorough learning experience.

• Can I audit the Specialization?

  You can audit the courses in the Specialization for free. You will not receive a certificate at the end if you choose to audit it for free instead of purchasing it.

• How long does it take to complete the Specialization?

  This specialization consists of three courses. At the rate of 5 hours a week, it typically takes 4  weeks to complete each course.

Остались вопросы? Посетите Центр поддержки учащихся.