Artificial Intelligence is transforming industries by enabling machines to learn from data and make intelligent decisions. This course offers an in-depth exploration of Recurrent Neural Networks (RNN) and Deep Neural Networks (DNN), two pivotal AI technologies.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Introduction to RNN and DNN
Ce cours fait partie de Spécialisation Deep Learning: Recurrent Neural Networks with Python
Instructeur : Packt - Course Instructors
Inclus avec
Expérience recommandée
Ce que vous apprendrez
Utilize PyTorch to build and optimize AI models.
Examine the effectiveness of gradient descent and hyperparameter tuning in model optimization.
Develop and apply RNN models for complex tasks such as speech recognition and machine translation.
Compétences que vous acquerrez
- Catégorie : Recurrent Neural Network
- Catégorie : Deep Learning
- Catégorie : AI Applications
- Catégorie : Machine Learning
- Catégorie : Deep Neural Networks
- Catégorie : Data Science
- Catégorie : Recurrent Neural Networks
Détails à connaître
Ajouter à votre profil LinkedIn
septembre 2024
1 devoir
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- 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
In this module, we will introduce you to the course instructor, providing insights into their background and expertise. Additionally, we will outline the primary focus and objectives of the course, setting the stage for your learning journey in AI sciences.
Inclus
2 vidéos2 lectures
In this module, we will delve into the diverse applications of Recurrent Neural Networks (RNNs). You will learn to recognize human activities in videos, generate image captions, perform machine translation, and implement speech recognition. We will also explore using RNNs for stock price predictions and determine appropriate scenarios for modeling RNNs.
Inclus
7 vidéos
In this module, we will explore the fundamentals of Deep Neural Networks (DNNs) and their implementation using PyTorch. You will learn about the architecture and representational power of DNNs, understand the importance of activation functions, and get hands-on experience with perceptrons. We will also cover gradient descent techniques, loss functions, and optimization strategies for building and refining DNN models.
Inclus
45 vidéos1 lecture1 devoir
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.