Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.
Illinois Tech

Deep Learning

Yan Yan
Gady Agam

Instructeurs : Yan Yan

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Débutant

Expérience recommandée

57 heures pour terminer
3 semaines à 19 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Préparer un diplôme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Débutant

Expérience recommandée

57 heures pour terminer
3 semaines à 19 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Préparer un diplôme

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

32 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé
Emplacement réservé

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

Emplacement réservé

Il y a 9 modules dans ce cours

Welcome to Deep Learning! In module 1, we will give an introduction to deep learning. Deep learning is a branch of machine learning which is based on artificial neural networks. It is capable of learning complex patterns and relationships within data. Particularly, we will discuss feed-forward deep neural network. We will also discuss backpropagation – the way to optimize deep neural networks.

Inclus

9 vidéos7 lectures4 devoirs1 sujet de discussion

In module 2, we will discuss Convolutional Neural Networks (CNNs). A CNN, also known as ConvNet, is a specialized type of deep learning algorithm mainly designed for tasks that necessitate object recognition, including image classification, detection, and segmentation. Particularly, we will discuss the important layers in CNNs, such as convolution, pooling. We will also show different CNN applications.

Inclus

6 vidéos5 lectures4 devoirs

In module 3, we will provide important practical deep learning tips including activation function chosen, adaptive gradient descent learning methods, regularization and dropout.

Inclus

7 vidéos7 lectures5 devoirs

In module 4, we will discuss Recurrent Neural Networks (RNNs) which are used for sequential data. RNN is a type of Neural Network where the output from the previous step is fed as input to the current step. Particularly we will discuss Vanila version RNNs and Long Short-term Memory (LSTM). We will also discuss the learning problems on RNNs.

Inclus

8 vidéos5 lectures4 devoirs

In module 5, we will discuss the generative models. Particularly, Generative Adversarial Networks (GANs) and Diffusion Models (DMs). GANs are a way of training a generative model by framing the problem as a supervised learning problem with two sub-models: the generator model that we train to generate new examples, and the discriminator model that tries to classify examples as either real or fake. DMs are Markov chain of diffusion steps to slowly add random noise to data and then learn to reverse the diffusion process to construct desired data samples from the noise.

Inclus

7 vidéos4 lectures3 devoirs

In module 6, we will discuss a powerful deep learning model - transformer. The transformer is a neural network component that can be used to learn useful representations of sequences or sets of data-points. The transformer has driven recent advances in natural language processing, computer vision, and spatio-temporal modelling.

Inclus

8 vidéos4 lectures3 devoirs

In module 7, we will discuss neural network compression. Model compression reduces the size of a neural network without compromising accuracy. This size reduction is important because bigger neural networks are difficult to deploy on resource-constrained devices.

Inclus

7 vidéos5 lectures4 devoirs

In module 8, we will discuss transfer learning. Transfer learning is a machine learning technique that reuses a completed model that was developed for one task as the starting point for a new model to accomplish a new task. Particularly, we will discuss fine-tuning, multitask learning, domain adverbial training and zero-shot learning.

Inclus

6 vidéos5 lectures4 devoirs

This module contains the summative course assessment that has been designed to evaluate your understanding of the course material and assess your ability to apply the knowledge you have acquired throughout the course.

Inclus

1 devoir

Instructeurs

Yan Yan
Illinois Tech
1 Cours938 apprenants
Gady Agam
Illinois Tech
1 Cours938 apprenants

Offert par

Illinois Tech

Recommandé si vous êtes intéressé(e) par Algorithms

Préparer un diplôme

Ce site cours fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par Illinois Tech. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹

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.’
Emplacement réservé

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