Deep Learning 正在计算机视觉、自然语言处理和机器人等许多领域掀起一场革命。此外，用 Python 编写的高级神经网络 API Keras 已成为 TensorFlow 的重要组成部分，使深度学习变得 Accessibility 且简单明了。掌握这些技术将为研究和行业带来很多机会。
使用 Keras 和 TensorFlow 进行深度学习
使用 Keras 和 TensorFlow 进行深度学习
本课程是多个项目的一部分。
位教师：Samaya Madhavan另外 6 个
51,583 人已注册
包含在 中
您将学到什么
在 Keras 中创建自定义层和模型，并将 Keras 与 TensorFlow 2.x 相集成
使用 Keras 开发高级卷积神经网络 (CNN)
开发用于序列数据和时间系列预测的 Transformer Model
解释 Keras 中的无监督学习、Deep Q-networks (DQN) 和强化学习的关键概念
您将获得的技能
- 类别：强化学习
- 类别：Keras（神经网络库）
- 类别：卷积神经网络
- 类别：张力流
- 类别：无监督学习
- 类别：生成式对抗网络（GANs）
- 类别：自动编码器
- 类别：模型评估
- 类别：人工智能和机器学习（AI/ML）
- 类别：深度学习
- 类别：人工神经网络
- 类别：递归神经网络 (RNN)
- 类别：迁移学习
- 类别：性能调整
要了解的详细信息
积累特定领域的专业知识
此课程作为 的一部分提供
在注册此课程时，您还需要选择一个特定的合作项目。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 通过 IBM 获得可共享的职业证书
该课程共有7个模块
本 Modulation 概述了 Keras 的高级功能。它将介绍用于创建复杂模型的 Keras 功能 API。它还包括在 Keras 中创建自定义层和模型。然后，该模块将介绍 Keras 与 TensorFlow 2.x 的集成，以增强功能。您将在实验室中应用所学知识，并在测验中测试您的概念。
涵盖的内容
5个视频2篇阅读材料3个作业2个应用程序项目1个讨论话题2个插件
在本 Modulation 中，您将学习使用 Keras 开发高级卷积神经网络 (CNN)。您将学习 Keras 的数据增强技术。此外，您还将使用 Keras 实现 Transfer Learning 并利用预训练模型。最后，您将学习如何使用 TensorFlow 增强图像处理能力。您将在实验室中应用所学知识，并在测验中测试您的概念。
涵盖的内容
6个视频1篇阅读材料4个作业3个应用程序项目1个讨论话题2个插件
本 Modulation 涵盖使用 Keras 构建和训练高级 Transformer。您将使用 Keras 的 TensorFlow 进一步开发用于序列数据和时间系列的 Transformer model。此外，您还将学习实施用于文本生成的高级 Transformer 技术。您将在实验室中应用所学知识，并在测验中测试您的概念。
涵盖的内容
5个视频1篇阅读材料3个作业2个应用程序项目1个讨论话题1个插件
在本 Modulation 中，您将学习 Keras 中的无监督学习原理。您将学习构建和训练 Autoencoder 和扩散模型。此外，您还将使用 Keras 开发生成式对抗网络（GAN），并集成 TensorFlow 以完成高级无监督学习任务。您将在实验室中应用所学知识，并在测验中测试您的概念。
涵盖的内容
5个视频1篇阅读材料3个作业3个应用程序项目1个讨论话题1个插件
在本 Modulation 中，您将学习 Keras 中用于模型开发的高级技术。您将使用 Keras 创建自定义训练 Loop 和优化模型，并使用 Keras Tuner 执行超参数调整。最后，您将学习使用 TensorFlow 进行模型优化和自定义训练 Loop。您将在实验室中应用所学知识，并在测验中测试您的概念。
涵盖的内容
5个视频1篇阅读材料3个作业2个应用程序项目1个讨论话题1个插件
在本 Modulation 中，您将学习强化学习的基础知识及其在 Keras 中的应用。Modulation 还涵盖使用 Keras 的 Q-Learning 算法。您将使用 Keras 开发和训练深度 Q 网络（DQN），以完成高级强化学习任务。您将在实验室中应用所学知识，并在测验中测试您的概念。
涵盖的内容
3个视频1篇阅读材料2个作业2个应用程序项目1个讨论话题1个插件
在本 Modulation 中，您将实施期末项目并尝试期末评估。
涵盖的内容
1个视频2篇阅读材料1次同伴评审3个应用程序项目3个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.5 (147个评价)Samaya Madhavan
IBM
1 门课程51,583 名学生
Ricky Shi
IBM
2 门课程56,338 名学生
Alex Aklson
IBM
21 门课程1,368,358 名学生
提供方
IBM
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.4
1,011 条评论
- 5 stars
64.92%
- 4 stars
21.24%
- 3 stars
7.70%
- 2 stars
2.86%
- 1 star
3.26%
显示 3/1011 个
RR
4
已于 Jul 25, 2020审阅
Nice course to introduce you to more advanced neural network algorithms, I wish the evaluations were more challenging and based on practical exercises... there is no final assignment either.
MW
5
已于 Jul 28, 2023审阅
This course had a best and fast pace understanding for ANN, DNN, RDM and Autoencoders with Tensorflow
BK
5
已于 May 18, 2025审阅
It is a very detailed course for those looking for learning more about Keras and Tensorflow.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问证书中的所有课程，并在完成作业后获得证书。您的电子证书将被添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。