Are you ready to become a deep learning expert? This step-by-step course guides you from basic to advanced levels in deep learning using Python, the hottest language for machine learning. Each tutorial builds on previous knowledge and assigns tasks solved in the next video. You will:
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Expérience recommandée
Ce que vous apprendrez
Understand the basics of training a DNN using the Gradient Descent algorithm.
Apply knowledge to implement a complete DNN using NumPy.
Analyze and create a complete structure for DNN from scratch using Python.
Evaluate and work on a project using deep learning for the IRIS dataset.
Compétences que vous acquerrez
- Catégorie : Deep Learning
- Catégorie : NumPy
- Catégorie : Python
- Catégorie : Deep Neural Network
- Catégorie : Pandas (Python Package)
Détails à connaître
Ajouter à votre profil LinkedIn
septembre 2024
3 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
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 5 modules dans ce cours
In this module, we will provide a brief overview of the course and introduce the instructor. We will also outline the learning objectives and what students can expect to achieve by the end of the course.
Inclus
3 vidéos1 lecture
In this module, we will delve into the foundational aspects of deep learning. We will start by examining a real-world problem and progressively introduce key concepts such as perceptrons, linear equations, and error functions. This section includes hands-on coding exercises to solidify understanding.
Inclus
37 vidéos
In this module, we will focus on more advanced topics in deep learning. We will cover gradient descent, logistic regression, and the architecture of neural networks. Practical coding sessions will help learners apply these concepts and build their own deep learning models.
Inclus
31 vidéos1 devoir
In this module, we will address optimization challenges in deep learning. Topics include underfitting vs. overfitting, regularization techniques, and strategies to overcome common issues like local minima and vanishing gradients. Learners will gain insights into improving their model's performance and reliability.
Inclus
10 vidéos
In this module, we will undertake a comprehensive final project, applying all the concepts and skills learned throughout the course. Starting with data exploration and progressing through model training and testing, this project will solidify your understanding and ability to implement deep learning solutions.
Inclus
5 vidéos2 devoirs
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Machine Learning
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, 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
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.