- Level Professional
- Course by DeepLearning.AI
-
Offered by
About
Этот курс поможет вам ознакомиться с новейшими технологиями искусственного интеллекта. Инженеры по глубокому обучению сейчас широко востребованы, освойте методы глубокого обучения и перед вами откроются многочисленные карьерные возможности. Глубокое обучение также можно считать новой «сверхспособностью», с помощью которой вы будете строить такие ИИ-системы, которые невозможно было создать еще пару лет назад. В этом курсе вы познакомитесь с основами глубокого обучения. После завершения курса вы: - будете иметь представление об основных технологических тенденциях, движущих вперед область глубокого обучения; - сможете строить, обучать и применять полносвязные глубокие нейронные сети; - будете знать, как реализуются эффективные (векторизованные) нейросети; - получите представление о ключевых параметрах архитектуры нейронной сети Данный курс также позволяет разобраться, как в реальности действует глубокое обучение, а не просто дает его поверхностное описание. Поэтому после завершения курса вы сможете применять глубокое обучение в собственных приложениях. Если вы ищете работу в области ИИ, то после прохождения данного курса вы также сможете ответить на простые вопросы в ходе собеседования. Это первый курс специализации «Глубокое обучение».Modules
Приветствуем в специализации «Глубокое обучение»
1
Videos
- Добро пожаловать
Введение в глубокое обучение
5
Videos
- Что такое нейросеть?
- Обучение с учителем и нейросети
- Почему глубокое обучение набирает популярность?
- О курсе
- Материалы курса
2
Readings
- Ответы на часто задаваемые вопросы
- Как использовать форумы обсуждения
Тренировочные вопросы
1
Assignment
- Введение в глубокое обучение
Герои глубокого обучения (необязательное)
1
Videos
- Интервью с Джеффри Хинтоном (Geoffrey Hinton)
Логистическая регрессия в виде нейросети
10
Videos
- Бинарная классификация
- Логистическая регрессия
- Функция стоимости логистической регрессии
- Градиентный спуск
- Производные
- Еще примеры производных
- Граф вычислений
- Производные с графом вычислений
- Градиентный спуск логистической регрессии
- Градиентный спуск в m примерах
3
Readings
- Уточнение по следующему видеоролику «Функция стоимости логистической регрессии»
- Уточнению по будущему видеоролику «Градиентный спуск»
- Вывод DL/dz (дополнительное чтение)
Python и векторизация
8
Videos
- Векторизация
- Еще примеры векторизации
- Векторизация логистической регрессии
- Векторизация градиентного спуска логистической регрессии
- Трансляция в Python
- Примечание о векторах python/numpyA note on python/numpy vectors
- Быстрый обзор блокнотов Jupyter/iPython
- Объяснение функции стоимости логистической регрессии (необязательное)
1
Readings
- Уточнение по «dz»
Тренировочные вопросы
1
Assignment
- Основы нейронных сетей
Упражнения по программированию
- Основы Python в numpy (необязательное)
- Логистическая регрессия с точки зрения нейросети
2
Labs
- Основы Python в numpy (необязательное)
- Логистическая регрессия с точки зрения нейросети
2
Readings
- Кодекс чести специализации «Глубокое обучение»
- Ответы на часто задаваемые вопросы об упражнениях по программированию
Герои глубокого обучения (необязательное)
1
Videos
- Интервью с Питером Аббилом (Pieter Abbeel)
Малослойная нейросеть
11
Videos
- Обзор нейросетей
- Представление нейросети
- Вычисление выходного значения нейросети
- Векторизация по нескольким примерам
- Объяснение того, как реализуется векторизация
- Функции активации
- Зачем нужны нелинейные функции активации?
- Производные функций активации
- Градиентный спуск для нейросетей
- Интуиция при обратном распространении (необязательное)
- Случайная инициализация
2
Readings
- Уточнение к видео «Функция активации»
- Уточнение для будущего видеоролика «Интуиция при обратном распространении» (необязательное)
Тренировочные вопросы
1
Assignment
- Малослойные нейросети
Упражнения по программированию
- Классификация планарных данных с помощью скрытого слоя
1
Labs
- Классификация планарных данных с помощью скрытого слоя
Герои глубокого обучения (необязательное)
1
Videos
- Интервью с Яном Гудфеллоу (Ian Goodfellow)
Глубокая нейросеть с L слоями
8
Videos
- Глубокая нейросеть с L слоями
- Прямое распространение в глубокой нейросети
- Правильное вычисление размерности матрицы
- Зачем использовать глубокое представление?
- Строительные блоки глубоких нейросетей
- Прямое и обратное распространение ошибки
- Параметры и гиперпараметры
- Как это соотносится с мозгом?
3
Readings
- Уточнение по видеоролику «Правильное вычисление размерности матрицы»
- Уточнение по будущему видеоролику «Прямое и обратное распространение ошибки»
- Уточнение к видеоролику «Как это соотносится с мозгом?»
Тренировочные вопросы
1
Assignment
- Ключевые концепции глубоких нейросетей
Упражнения по программированию
- Поэтапное создание глубокой нейросети
- Применение глубокой нейросети
2
Labs
- Поэтапное создание глубокой нейросети
- Применение глубокой нейросети
Auto Summary
Explore the cutting-edge world of AI with the "Neural Networks and Deep Learning" course, designed for professionals in Data Science and AI. Led by Coursera, this comprehensive program covers the fundamentals of deep learning, enabling you to build, train, and apply neural networks effectively. Perfect for those seeking to enhance their AI skills and career opportunities, this course offers flexible subscription options, including Starter and Professional tiers. Dive into the latest technological trends and master the key parameters of neural network architecture in this essential learning experience.

Andrew Ng

Kian Katanforoosh

Younes Bensouda Mourri