Si vous êtes un développeur de logiciels qui veut construire des algorithmes évolutifs alimentés par l'IA, vous devez comprendre comment utiliser les outils pour les construire. Ce cours fait partie de la spécialisation DeepLearning.IA TensorFlow Developer et vous enseignera les meilleures pratiques pour utiliser TensorFlow, un framework open-source populaire pour l'apprentissage automatique.
Introduction à TensorFlow pour l'intelligence artificielle, l'apprentissage automatique et l'apprentissage profond
Introduction à TensorFlow pour l'intelligence artificielle, l'apprentissage automatique et l'apprentissage profond
Ce cours fait partie de Développeur DeepLearning.AI TensorFlow Certificat Professionnel
Instructeur : Laurence Moroney
386 873 déjà inscrits
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.8
(19,529 avis)
niveau Intermédiaire
Expérience recommandée
Planning flexible
Env. 22 heures
Apprenez à votre propre rythme
96%
La plupart des étudiants ont apprécié ce cours
Ce que vous apprendrez
Apprenez les meilleures pratiques pour utiliser TensorFlow, un framework d'apprentissage automatique open-source populaire
Construire un réseau neuronal de base dans TensorFlow
Entraînement d'un réseau neuronal pour une application de vision par ordinateur
Comprendre comment utiliser les convolutions pour améliorer votre réseau neuronal
Compétences que vous acquerrez
- Catégorie : Vision par ordinateur
- Catégorie : Tensorflow
- Catégorie : Apprentissage automatique
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
4 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise en Développement de logiciels
Ce cours fait partie de la Développeur DeepLearning.AI TensorFlow Certificat Professionnel
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à ce Certificat Professionnel.
- 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 auprès de DeepLearning.AI
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 4 modules dans ce cours
Bienvenue dans ce cours sur le passage des bases à la maîtrise de TensorFlow. Nous sommes ravis que vous soyez ici ! Dans la semaine 1, vous recevrez une introduction douce à ce que sont l'apprentissage automatique et l'apprentissage profond, et comment ils vous offrent un nouveau paradigme de programmation, vous donnant un nouvel ensemble d'outils pour ouvrir des scénarios jusqu'ici inexplorés. Tout ce que vous devez savoir, ce sont des compétences de base en programmation, et vous apprendrez le reste au fur et à mesure. Pour commencer, regardez la première vidéo, une conversation entre Andrew et Laurence qui donne le ton de ce que vous allez étudier...
Inclus
4 vidéos8 lectures1 devoir1 devoir de programmation1 élément d'application1 laboratoire non noté1 plugin
Bienvenue à la semaine 2 du cours ! Dans la semaine 1, vous avez tout appris sur la façon dont l'apprentissage automatique et l'apprentissage profond constituent un nouveau paradigme de programmation. Cette semaine, vous allez passer au niveau supérieur en commençant à résoudre des problèmes de vision par ordinateur avec seulement quelques lignes de code ! Découvrez cette conversation entre Laurence et Andrew où ils en discutent et vous présentent la vision par ordinateur !
Inclus
7 vidéos3 lectures1 devoir1 devoir de programmation2 laboratoires non notés
Bienvenue à la semaine 3 ! Au cours de la semaine 2, vous avez vu un réseau neuronal de base pour la vision par ordinateur. Il a bien fait son travail, mais son approche était un peu naïve. Cette semaine, nous verrons comment l'améliorer, comme l'ont expliqué Laurence et Andrew ici.
Inclus
6 vidéos3 lectures1 devoir1 devoir de programmation2 laboratoires non notés
La semaine dernière, vous avez vu comment améliorer les résultats de votre réseau neuronal profond à l'aide de convolutions. C'était un bon début, mais les données que vous avez utilisées étaient très basiques. Que se passe-t-il lorsque vos images sont plus grandes ou que les caractéristiques ne sont pas toujours au même endroit ? Andrew et Laurence en discutent pour vous préparer à ce que vous apprendrez cette semaine : traiter des images complexes !
Inclus
9 vidéos6 lectures1 devoir1 devoir de programmation3 laboratoires non notés
Instructeur
Évaluations de l’enseignant
4.8 (4,939 évaluations)Offert par
Recommandé si vous êtes intéressé(e) par Développement de logiciels
University of Pennsylvania
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
4.8
19 529 avis
- 5 stars
81,15 %
- 4 stars
15,20 %
- 3 stars
2,41 %
- 2 stars
0,63 %
- 1 star
0,58 %
Affichage de 3 sur 19529
AS
5
Révisé le 8 mars 2019
Good intro course, but google colab assignments need to be improved. And submitting a jupyter notebook was much more easier, why would I want to login to my google account to be a part of this course?
JC
5
Révisé le 30 déc. 2020
I just can say that it was an awesome course. The instructors as well as the contents were clear, easy to understand and everything with a focus on how to take the theory and apply it with TensorFlow.
JJ
4
Révisé le 27 avr. 2019
Very well organized. Good speakers. Content is comprehensive for a Introductory Course. A little more explanation on Validation versus Testing and on some of the evaluation functions would be helpful.
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 du certificat et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations. De là, vous pourrez l'imprimer 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.