欢迎学习本课程：使用 TensorFlow 进行概率深度学习！本课程以本专业前两门课程中教授的 TensorFlow 基础概念和技能为基础，重点介绍深度学习的概率方法。这是深度学习中一个日益重要的领域，旨在量化现实世界数据集中经常出现的噪音和不确定性。在自动驾驶汽车或医疗诊断等应用中使用深度学习模型时，这是一个至关重要的方面；我们需要模型知道它不知道的东西。 您将学习如何使用 TensorFlow 开发概率模型，特别是使用 TensorFlow 概率库，该库旨在轻松地将概率模型与深度学习相结合。因此，本课程也可以看作是 TensorFlow 概率库的入门课程。 您将学习如何在 TensorFlow 中表示概率分布并将其纳入深度学习模型，包括贝叶斯神经网络、归一化流和变异自动编码器。您将学习如何开发用于不确定性量化的模型，以及可以创建与数据集中的样本（如名人面孔图像）类似的新样本的生成模型。 您将在研究生助教的指导下，在实际动手编码教程中直接将所学概念付诸实践。此外，还有一系列自动评分的编程作业供您巩固技能。 课程结束时，您将在 "毕业设计 "项目中综合运用所学概念，开发变异自动编码器算法，为自己创建的合成图像数据集生成模型。
使用 TensorFlow 2 进行概率深度学习
使用 TensorFlow 2 进行概率深度学习
本课程是 用于深度学习的 TensorFlow 2 专项课程 的一部分
位教师：Dr Kevin Webster
访问权限由 New York State Department of Labor 提供
14,466 人已注册
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 用于深度学习的 TensorFlow 2 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 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
- 获得可共享的职业证书
该课程共有5个模块
概率建模是一种功能强大的原则性方法，它提供了一个考虑数据不确定性的框架。TensorFlow 概率（TFP）库为开发概率模型提供了工具，从而扩展了 TensorFlow 的功能。在本课程的第一周，您将学习如何使用 TFP 中的分布（Distribution）对象，以及从这些分布中采样和计算概率的关键方法。您还将学习如何使这些分布具有可训练性。本周的编程作业将通过在 Iris 数据集上实现 Naive Bayes 分类器来实践这些技术。
涵盖的内容
14个视频4篇阅读材料1个作业1个编程作业1个讨论话题8个非评分实验室1个插件
考虑不确定性来源是建模过程的一个重要方面，尤其是对于医疗诊断等安全关键型应用而言。大多数标准深度学习模型都没有量化预测中的不确定性。本周，您将学习如何使用 TensorFlow Probability 中的概率层来开发深度学习模型，以提供数据和模型本身的不确定性度量。在本周的编程作业中，您将为 MNIST 和 MNIST-C 数据集开发一个贝叶斯 CNN。
涵盖的内容
11个视频1个作业1个编程作业7个非评分实验室
归一化流是一类功能强大的生成模型，其目的是通过一系列偏射变换来转换简单的基本分布，从而对底层数据分布进行建模。本周，您将学习如何使用 TensorFlow 概率库中的偏射对象来实现这些变换，并从数据中学习复杂的变换分布。这些模型可用于对新一代数据进行采样，以及评估数据示例的可能性。在本周的编程作业中，您将为 LSUN 卧室数据集开发一个 RealNVP 归一化流量模型。
涵盖的内容
12个视频1个作业1个编程作业8个非评分实验室
变异自动编码器是最流行的基于似然的生成式深度学习模型类型之一。在 VAE 算法中，两个网络被联合学习：一个编码器或推理网络，以及一个解码器或生成网络。本周，您将学习如何使用 TensorFlow 概率库实现 VAE。然后，您将使用训练有素的网络将数据示例编码到压缩潜空间，并根据先验分布和解码器生成新样本。在本周的编程作业中，您将为名人面孔图像数据集开发变异自动编码器。
涵盖的内容
10个视频1个作业1个编程作业8个非评分实验室
在本课程中，您将学习如何使用 TensorFlow 概率库中的工具和概念（如分布对象、概率层、双投影器和 KL 发散优化）开发概率深度学习模型。毕业设计项目将这些概念与使用归一化流创建合成图像数据集的任务结合在一起，并在数据集上训练变异自动编码器。
涵盖的内容
2个视频1次同伴评审1个非评分实验室1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
(34个评价)
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
- 5 stars
80.73%
- 4 stars
11.92%
- 3 stars
4.58%
- 2 stars
0.91%
- 1 star
1.83%
显示 3/109 个
VV
已于 Jul 1, 2022审阅
Very easy understanding, great for getting practice on TF probability
PM
已于 Feb 15, 2022审阅
Great course, sometimes assignments are not so easy and slighty different from teached topics.
FK
已于 Dec 28, 2020审阅
Very good. Liked this course a lot, even though I recognize I should have had a better a background before taking it.
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。