Deep Learning 课程可以帮助您学习神经网络、卷积网络和 Neural Network,以及它们在图像识别和自然语言处理中的应用。您可以掌握模型训练、超参数调整和性能评估方面的技能,这些技能对于开发有效的 AI 解决方案至关重要。许多课程都会介绍 TensorFlow 和 PyTorch 等工具,让您可以实现算法和优化模型,使您的学习体验与当前的行业实践密切相关。

DeepLearning.AI
您将获得的技能: 生成式人工智能, 微调, 嵌入, 大型语言建模, 人工智能, 人工智能和机器学习(AI/ML), 递归神经网络 (RNN), 自然语言处理, 图像分析, 模型优化, 计算机视觉, 卷积神经网络, 人工神经网络, 监督学习, 深度学习, 应用机器学习, Transfer Learning, 拥抱的脸, 张力流, 模型培训, 迁移学习
攻读学位
中级 · 专项课程 · 3-6 个月

DeepLearning.AI
您将获得的技能: 人工智能, Python 编程, 机器学习方法, 递归神经网络 (RNN), 模型优化, 卷积神经网络, 监督学习, 人工神经网络, 深度学习, 应用机器学习, 模型培训
中级 · 课程 · 1-4 周

Board Infinity
中级 · 课程 · 1-4 周

您将获得的技能: 自动编码器, 机器学习方法, 机器学习, 回归分析, 自然语言处理, 图像分析, 递归神经网络 (RNN), 模型优化, 卷积神经网络, 人工神经网络, 深度学习, 应用机器学习, Transfer Learning, 网络架构, Keras(神经网络库), 迁移学习, 模型培训
中级 · 课程 · 1-3 个月

您将获得的技能: PyTorch (Machine Learning Library), Transfer Learning, Model Evaluation, Fine-tuning, Vision Transformer (ViT), Keras (Neural Network Library), Deep Learning, Convolutional Neural Networks, Reinforcement Learning, Model Optimization, Autoencoders, Generative AI, Model Training, Unsupervised Learning, Tensorflow, Artificial Neural Networks, Recurrent Neural Networks (RNNs), Generative Adversarial Networks (GANs), Statistical Methods, Logistic Regression
中级 · 专业证书 · 3-6 个月

多位教师
您将获得的技能: 负责任的人工智能, 机器学习算法, 机器学习方法, 人工智能, 分类算法, Scikit Learn(机器学习库), 机器学习, 无监督学习, 深度学习, 监督学习, Jupyter, 应用机器学习, 模型评估, Model Evaluation, NumPy, Transfer Learning, 张力流, 决策树学习, 数据伦理, 模型培训, 迁移学习, 预测建模
初级 · 专项课程 · 1-3 个月

DeepLearning.AI
您将获得的技能: PyTorch (Machine Learning Library), Model Deployment, Hugging Face, Model Optimization, Fine-tuning, Convolutional Neural Networks, Transfer Learning, Data Quality, Generative AI, Data Manipulation, Deep Learning, Generative Model Architectures, Model Training, Image Analysis, MLOps (Machine Learning Operations), Large Language Modeling, Data Pipelines, Artificial Neural Networks, Computer Vision, Natural Language Processing
中级 · 专业证书 · 1-3 个月

您将获得的技能: 人工智能和机器学习(AI/ML), 分类算法, 模型优化, 图像分析, 卷积神经网络, 深度学习, 人工神经网络, PyTorch(机器学习库), 应用机器学习, 模型评估, Model Evaluation, 模型培训
中级 · 课程 · 1-3 个月

您将获得的技能: Model Evaluation, Convolutional Neural Networks, Model Training, Data Preprocessing, Image Analysis, Predictive Modeling, Deep Learning, Keras (Neural Network Library), Tensorflow, Data Processing, Model Optimization, Computer Vision, Artificial Neural Networks, Recurrent Neural Networks (RNNs), Data Transformation, Financial Forecasting, Applied Machine Learning, Feature Engineering, Statistical Visualization, Python Programming
初级 · 专项课程 · 1-3 个月

Illinois Tech
您将获得的技能: Recurrent Neural Networks (RNNs), Deep Learning, Generative AI, Convolutional Neural Networks, Transfer Learning, Model Optimization, Image Analysis, Artificial Neural Networks, Generative Model Architectures, Generative Adversarial Networks (GANs), Fine-tuning, Artificial Intelligence and Machine Learning (AI/ML), Machine Learning Methods, Network Architecture, Computer Vision, Network Model, Natural Language Processing, Model Training
攻读学位
初级 · 课程 · 1-3 个月

Pearson
您将获得的技能: Large Language Modeling, Deep Learning, Prompt Engineering, Image Analysis, Model Deployment, Recurrent Neural Networks (RNNs), PyTorch (Machine Learning Library), Convolutional Neural Networks, Model Optimization, Tensorflow, LLM Application, Transfer Learning, Computer Vision, Fine-tuning, Responsible AI, Generative Model Architectures, Model Training, Natural Language Processing, Embeddings, Artificial Neural Networks
中级 · 专项课程 · 1-4 周

MathWorks
您将获得的技能: Model Evaluation, Computer Vision, Model Deployment, Anomaly Detection, Convolutional Neural Networks, Image Analysis, Transfer Learning, Model Training, Fine-tuning, Deep Learning, Generative AI, Artificial Neural Networks, Applied Machine Learning, Data Preprocessing, Matlab, Software Visualization, Classification Algorithms, Model Optimization, Predictive Modeling, Performance Tuning
初级 · 专项课程 · 1-3 个月
Deep Learning 是机器学习的一个子集,它利用具有许多层(因此称为 "深层")的神经网络来分析各种形式的数据。它之所以重要,是因为它能让计算机执行通常需要人类智能的任务,如图像识别、Natural Language Processing 和决策。随着技术的不断发展,Deep Learning 在各行各业越来越不可或缺,推动了自动化、医疗保健、金融等领域的创新。
从事深度学习领域的职业可以为您打开通往各种工作机会的大门。一些常见的职位包括深度学习工程师、数据科学家、机器学习工程师、AI 研究员和计算机视觉工程师。这些职位通常涉及设计和实施 Deep Learning Model、分析数据,以及开发能够从数据中学习并根据数据进行预测的算法。
对于那些对深度学习感兴趣的人来说,有许多在线课程可供选择。一些最佳选择包括深度学习专项课程和IBM Deep Learning with PyTorch、Keras 和 Tensorflow 专业证书。这些课程提供深度学习技术和应用方面的全面培训和实践经验。
是的,您可以通过两种方式免费开始在 Coursera 上学习 Deep Learning:
如果您想继续学习、获得 Deep Learning 证书或在预览或试用后解锁全部课程访问权限,可以升级或申请经济援助。
要有效学习 Deep Learning,首先要打好编程和数学基础。学习入门课程,了解机器学习和神经网络的基础知识。通过开展项目,逐步学习更高级的主题和实际应用。参与在线社区和论坛也能为您提供支持,增强您的学习体验。
对于深度学习方面的员工培训和技能提升,AI ML with Deep Learning and Supervised Models 专项课程和Deep Learning for Healthcare 专项课程等专项课程尤其有益。这些课程侧重于实际技能和应用,适合劳动力发展。