When will I receive my Course Certificate?

If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

Why can’t I audit this course?

This course is currently available only to learners who have paid or received financial aid, when available.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Learning Deep Learning: Unit 2

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.

Learning Deep Learning: Unit 2

Dieser Kurs ist Teil von Spezialisierung „Learning Deep Learning“

Dozenten: Pearson

Bei enthalten

Mehr erfahren

1 Modul

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

8 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

1 Modul

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

8 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Build and optimize convolutional neural networks for advanced image classification tasks using TensorFlow and PyTorch.
Apply recurrent neural networks and LSTMs to sequential data problems, including time series forecasting and text autocompletion.
Develop neural language models and implement word embeddings for robust natural language processing.
Design and implement encoder-decoder architectures and Transformer models for machine translation and sequence-to-sequence tasks.

Kompetenzen, die Sie erwerben

Kategorie: Recurrent Neural Networks (RNNs)
Kategorie: Computer Vision
Kategorie: Network Architecture
Kategorie: Time Series Analysis and Forecasting
Kategorie: Transfer Learning
Kategorie: Deep Learning
Kategorie: Model Training
Kategorie: Generative Model Architectures
Kategorie: Convolutional Neural Networks
Kategorie: Artificial Neural Networks
Kategorie: Embeddings
Kategorie: Image Analysis
Kategorie: Natural Language Processing

Werkzeuge, die Sie lernen werden

Kategorie: Tensorflow
Kategorie: PyTorch (Machine Learning Library)

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

4 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Learning Deep Learning“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 1 Modul

This course covers advanced deep learning topics, including Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), and modern language models. You will learn techniques for image classification, time series prediction, and natural language processing. The course includes building and optimizing CNNs for image recognition, using architectures such as AlexNet, VGGNet, GoogLeNet, and ResNet, and working with pre-trained models. You will also work with RNNs and LSTMs for tasks like forecasting and text autocompletion. The curriculum covers neural language models, word embeddings (such as Word2vec and wordpieces), encoder-decoder architectures, attention mechanisms, and Transformers for machine translation. Hands-on projects using TensorFlow and PyTorch will help you develop practical skills for solving real-world problems in computer vision and language processing.

This module provides a comprehensive introduction to advanced deep learning techniques for processing images and natural language. It covers convolutional neural networks for image classification, including architectures like AlexNet, VGGNet, GoogLeNet, and ResNet. The module then explores recurrent neural networks and LSTMs for time series and sequential data, followed by neural language models and word embeddings. Finally, it introduces encoder-decoder architectures, attention mechanisms, and Transformer models for neural machine translation, with practical implementations in TensorFlow and PyTorch throughout.

Das ist alles enthalten

44 Videos4 Aufgaben

44 VideosInsgesamt 341 Minuten

Topics1 Minute
The CIFAR-10 Dataset4 Minuten
Convolutional Layer9 Minuten
Building a Convolutional Neural Network14 Minuten
Programming Example: Image Classification Using CNN with TensorFlow9 Minuten
Programming Example: Image Classification Using CNN with PyTorch9 Minuten
AlexNet6 Minuten
VGGNet5 Minuten
GoogLeNet5 Minuten
ResNet6 Minuten
Programming Example: Using a Pretrained Network with TensorFlow4 Minuten
Programming Example: Using a Pretrained Network with PyTorch5 Minuten
Amplifying Your Data4 Minuten
Efficient CNNs4 Minuten
Lesson 4 Summary3 Minuten
Topics1 Minute
Problem Types Involving Sequential Data7 Minuten
Recurrent Neural Networks8 Minuten
Programming Example: Forecasting Book Sales with TensorFlow9 Minuten
Programming Example: Forecasting Book Sales with PyTorch11 Minuten
Backpropagation Through Time and Keeping Gradients Healthy9 Minuten
Long Short-Term Memory10 Minuten
Autoregression and Beam Search7 Minuten
Programming Example: Text Autocompletion with TensorFlow14 Minuten
Programming Example: Text Autocompletion with PyTorch16 Minuten
Lesson 5 Summary2 Minuten
Topics1 Minute
Language Models13 Minuten
Word Embeddings12 Minuten
Programming Example: Language Model and Word Embeddings with TensorFlow12 Minuten
Programming Example: Language Model and Word Embeddings with PyTorch18 Minuten
Word2vec6 Minuten
Programming Example: Using Pretrained GloVe Embeddings7 Minuten
Handling Out-of-Vocabulary Words with Wordpieces3 Minuten
Lesson 6 Summary2 Minuten
Topics1 Minute
Encoder–Decoder Network for Neural Machine Translation4 Minuten
Programming Example: Neural Machine Translation with TensorFlow24 Minuten
Programming Example: Neural Machine Translation with PyTorch22 Minuten
Attention8 Minuten
The Transformer8 Minuten
Programming Example: Machine Translation Using Transformer with TensorFlow7 Minuten
Programming Example: Machine Translation Using Transformer with PyTorch8 Minuten
Lesson 7 Summary2 Minuten

4 AufgabenInsgesamt 120 Minuten

Convolutional Neural Networks (CNN) and Image Classification Quiz30 Minuten
Recurrent Neural Networks (RNN) and Time Series Prediction Quiz30 Minuten
Neural Language Models and Word Embeddings Quiz30 Minuten
Encoder–Decoder Networks, Attention, Transformers, and Neural Machine Translation Quiz30 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozenten

Pearson

268 Kurse59.118 Lernende

von

Pearson

Mehr von Machine Learning entdecken

Status: Kostenloser Testzeitraum
Pearson
Learning Deep Learning: Unit 1
Kurs
Status: Kostenloser Testzeitraum
Pearson
Learning Deep Learning: Unit 3
Kurs
Status: Kostenloser Testzeitraum
Packt
Deep Learning & Modern AI Architectures
Kurs
Status: Kostenloser Testzeitraum
Packt
Deep Learning - Recurrent Neural Networks with TensorFlow
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Häufig gestellte Fragen

Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

Weitere Fragen

Besuchen Sie die das Hilfe-Center für Kursteilnehmer.

Finanzielle Unterstützung verfügbar,

Learning Deep Learning: Unit 2

kurs ist nicht verfügbar in Deutsch (Deutschland)

Learning Deep Learning: Unit 2

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Werkzeuge, die Sie lernen werden

Wichtige Details

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Erweitern Sie Ihre Fachkenntnisse

In diesem Kurs gibt es 1 Modul