Dans le deuxième cours de la Specialization Deep Learning, vous ouvrirez la boîte noire du deep learning pour comprendre les processus qui conduisent à la performance et générer de bons résultats de manière systématique.
Amélioration des réseaux neuronaux profonds : Réglage des hyperparamètres, régularisation et optimisation
Amélioration des réseaux neuronaux profonds : Réglage des hyperparamètres, régularisation et optimisation
Ce cours fait partie de Spécialisation Deep learning
Instructeurs : Andrew Ng
Enseignant de premier plan
583 819 déjà inscrits
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.9
(63,219 avis)
niveau Intermédiaire
Expérience recommandée
Planning flexible
Env. 23 heures
Apprenez à votre propre rythme
96%
La plupart des étudiants ont apprécié ce cours
Compétences que vous acquerrez
- Catégorie : Tensorflow
- Catégorie : Deep learning
- Catégorie : réglage des hyperparamètres
- Catégorie : Optimisation mathématique
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
3 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours fait partie de la Spécialisation Deep learning
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 3 modules dans ce cours
Découvrez et expérimentez une variété de méthodes d'initialisation différentes, appliquez la régularisation L2 et l'abandon pour éviter le surajustement du modèle, puis appliquez la vérification du gradient pour identifier les erreurs dans un modèle de détection de la fraude.
Inclus
15 vidéos5 lectures1 devoir3 devoirs de programmation
Développez votre boîte à outils d'apprentissage profond en ajoutant des optimisations plus avancées, le minibatching aléatoire et la planification de la décroissance du taux d'apprentissage pour accélérer vos modèles.
Inclus
11 vidéos3 lectures1 devoir1 devoir de programmation
Découvrez TensorFlow, un cadre d'apprentissage profond qui vous permet de construire des réseaux neuronaux rapidement et facilement, puis d'entraîner un réseau neuronal sur un ensemble de données TensorFlow.
Inclus
11 vidéos7 lectures1 devoir1 devoir de programmation
Instructeurs
Évaluations de l’enseignant
4.9 (4,857 évaluations)Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
4.9
63 219 avis
- 5 stars
88,21 %
- 4 stars
10,57 %
- 3 stars
1,01 %
- 2 stars
0,11 %
- 1 star
0,06 %
Affichage de 3 sur 63219
YL
4
Révisé le 20 févr. 2018
very useful course, especially the last tensorflow assignment. the only reason i gave 4 stars is due to the lack of practice on batchnorm, which i believe is one of the most usefule techniques lately.
NA
5
Révisé le 13 janv. 2020
After completion of this course I know which values to look at if my ML model is not performing up to the task. It is a detailed but not too complicated course to understand the parameters used by ML.
XG
5
Révisé le 30 oct. 2017
Thank you Andrew!! I know start to use Tensorflow, however, this tool is not well for a research goal. Maybe, pytorch could be considered in the future!! And let us know how to use pytorch in Windows.
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.