Johns Hopkins University
Spezialisierung Foundations of Neural Networks

Diese spezialisierung ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Johns Hopkins University

Spezialisierung Foundations of Neural Networks

Master Neural Networks for AI and Machine Learning. Gain hands-on experience with neural networks, advanced techniques, and ethical AI practices to solve real-world challenges in machine learning and AI applications.

Zerotti Woods

Dozent: Zerotti Woods

Bei Coursera Plus enthalten

Befassen Sie sich eingehend mit einem Thema
Stufe Mittel

Empfohlene Erfahrung

3 Monate
Pro Woche 4 Stunden
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Befassen Sie sich eingehend mit einem Thema
Stufe Mittel

Empfohlene Erfahrung

3 Monate
Pro Woche 4 Stunden
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Understand the mathematical foundations of neural networks, including deep learning optimization, regularization, and ethical considerations in AI.

  • Gain hands-on experience in implementing and analyzing various neural network architectures, such as CNNs, RNNs, and GANs, using Python.

  • Explore topics like probabilistic models, model evaluation, and bias mitigation, preparing for real-world applications in AI and deep learning.

Kompetenzen, die Sie erwerben

  • Kategorie: Neural Network Architecture Design
  • Kategorie: Practical Python Implementation
  • Kategorie: Model Regularization
  • Kategorie: Ethical Implications in AI
  • Kategorie: Mathematical Foundations of Neural Networks
  • Kategorie: Deep Learning Optimization Techniques
  • Kategorie: Generative Models
  • Kategorie: Probabilistic Models and Uncertainty Handling

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch
Kürzlich aktualisiert!

Dezember 2024

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse.

  • Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
  • Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
  • Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
  • Erwerben Sie ein Karrierezertifikat von Johns Hopkins University.
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

Spezialisierung - 3 Kursreihen

Was Sie lernen werden

  • Understand the foundational mathematics and key concepts driving neural networks and machine learning.

  • Analyze and apply machine learning algorithms, optimization methods, and loss functions to train and evaluate models effectively.

  • Explore the design and structure of feedforward neural networks, using gradient descent to optimize and train deep models.

  • Investigate convolutional neural networks, their elements, and how they apply to real-world problems like image processing and computer vision.

Kompetenzen, die Sie erwerben

Kategorie: Mathematical Foundations for Deep Learning
Kategorie: Optimization Techniques for Machine Learning
Kategorie: Regularization Methods
Kategorie: Convolutional Neural Network (CNN) Design
Kategorie: Design and Training of Feedforward Neural Networks

Was Sie lernen werden

  • Analyze and implement Recurrent Neural Networks (RNNs) to process sequence data and solve tasks like time series prediction and language modeling.

  • Explore autoencoders for data compression, feature extraction, and anomaly detection, along with their applications in diverse fields.

  • Develop and evaluate generative models, such as GANs, understanding their mathematical foundations and deployment challenges.

  • Apply reinforcement learning techniques using Markov Chains and deep neural networks to tackle complex decision-making problems.

Kompetenzen, die Sie erwerben

Kategorie: Feature Extraction
Kategorie: Generative Modeling
Kategorie: Critical Research Evaluation
Kategorie: Deep Reinforcement Learning
Kategorie: Sequence Data Analysis

Was Sie lernen werden

  • Learners will gain hands-on experience training and debugging deep learning models while considering deployment challenges and best practices.

  • Students will understand and evaluate ethical concerns in AI, including bias, fairness, and the societal impact of deploying neural networks.

  • Learners will explore how to integrate structured probabilistic models with deep learning, reducing uncertainty and improving model decision-making.

Kompetenzen, die Sie erwerben

Kategorie: Model Deployment
Kategorie: Ethical AI Practices
Kategorie: Deep Learning Model Training
Kategorie: AI Impact Analysis
Kategorie: Probabilistic Modeling

Dozent

Zerotti Woods
Johns Hopkins University
3 Kurse51 Lernende

von

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.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen