深度学习工程师

由 deeplearning.ai 出品,网易引进的正版授权中文版深度学习工程师微专业课程,让你在了解丰富的人工智能应用案例的同时,学会在实践中搭建出最先进的神经网络模型,训练出属于你自己的 AI。

deeplearning.ai & 网易

微专业

分享

  • 分类: 计算机
  • 平台: 网易云课堂
  • 语言: 中文

课程概况

吴恩达给你的人工智能第一课
人工智能行业国际顶尖大师倾囊相授,让你赢在职业起跑线

由 deeplearning.ai 出品,网易引进的正版授权中文版深度学习工程师微专业课程,让你在了解丰富的人工智能应用案例的同时,学会在实践中搭建出最先进的神经网络模型,训练出属于你自己的 AI。

课程详情

01 神经网络和深度学习
开课时间: 8月29日10:00 – 12月31日23:59

课程时长:4周
课程负载:3小时每周
内容类型:视频 文档 富文本 讨论
课程分类:人工智能 IT&互联网 人工智能与数据
这是深度学习工程师微专业中的第一门课。

这门课将为你介绍深度学习的基础知识。学完这门课,你将能够:
– 理解驱动深度学习的主要技术趋势。
– 能够搭建、训练并且运用全连接的深层神经网络。
– 了解如何实现高效的(向量化)的神经网络。
– 理解神经网络架构中的关键参数。

这门课将会详尽地介绍深度学习的基本原理,而不仅仅只进行理论概述。
当你完成这门微专业之后,你就能够将深度学习运用到你的个人应用中,调教出属于你自己的AI。
如果你正在找与人工智能有关的工作,那么,在学习完这门课后,应对面试官提问的基础面试问题就绰绰有余了。

制作方:deeplearning.ai
原载于:Coursera

02 改善深层神经网络:超参数调试、正则化以及优化
开课时间: 8月29日10:00 – 12月31日23:59

课程时长:3周
课程负载:3小时每周
内容类型:视频 文档 富文本 讨论
课程分类:人工智能 IT&互联网 人工智能与数据
这是深度学习工程师微专业中的第二门课。

学完这门课之后,你将会:

– 理解业界构建深度神经网络应用最有效的做法。
– 能够高效地使用神经网络通用的技巧,包括初始化、L2和dropout正则化、Batch归一化、梯度检验。
– 能够实现并应用各种优化算法,例如mini-batch、Momentum、RMSprop和Adam,并检查它们的收敛程度。
– 理解深度学习时代关于如何构建训练/开发/测试集以及偏差/方差分析最新最有效的方法。
– 能够用TensorFlow实现一个神经网络。

这门课将会详尽地介绍深度学习的基本原理,而不仅仅只进行理论概述。
当你完成这门微专业之后,你就能够将深度学习运用到你的个人应用中,调教出属于你自己的AI。
如果你正在找与人工智能有关的工作,那么,在学习完这门课后,应对面试官提问的基础面试问题就绰绰有余了。

制作方:deeplearning.ai
原载于:Coursera

03 结构化机器学习项目
开课时间: 8月29日10:00 – 12月31日23:59

课程时长:2周
课程负载:3小时每周
内容类型:视频 文档 富文本 讨论
课程分类:人工智能 IT&互联网 人工智能与数据
这是深度学习工程师微专业的第三门课。

本课程的很多内容都是首次作为教学内容,并且很多都源自我个人在构建和运营深度学习产品方面的经验。这门课也有两个“流程模拟器”,可以让你作为机器学习项目的领导者,练习如何决策。这会让你收获极其宝贵的“行业经验”,一般来说,这些经验可能要通过多年的工作积累才能得到。

在2周的学习之后,你会:
– 理解如何诊断机器学习系统中的错误
– 能够优先减小误差最有效的方向
– 理解复杂ML设定,例如训练/测试集不匹配,比较并/或超过人的表现
– 知道如何应用端到端学习、迁移学习以及多任务学习
很多团队浪费数月甚至数年来理解这门课所教授的准则,也就是说,这门两周的课可以为你节约数月的时间。

制作方:deeplearning.ai
原载于:Coursera

04 卷积神经网络
开课时间: 11月1日12:00 – 12月31日23:59

课程时长:4周
课程负载:3-5小时每周
内容类型:视频 文档 富文本 讨论
课程分类:人工智能 IT&互联网 人工智能与数据
这是深度学习工程师微专业的第四门课。

通过这门课的学习,你将会:
– 理解如何搭建一个神经网络,包括最新的变体,例如残余网络
– 知道如何将卷积网络应用到视觉检测和识别任务。
– 知道如何使用神经风格迁移生成艺术。
– 能够在图像、视频以及其他2D或3D数据上应用这些算法。

制作方:deeplearning.ai
原载于:Coursera

05 序列模型
开课时间: 待定

课程时长:待定周
课程负载:待定
内容类型:视频 文档 富文本 讨论
课程分类:人工智能 IT&互联网 人工智能与数据
这是深度学习工程师微专业的第五门课。

通过这门课的学习,你将会:
– 理解如何构建并训练循环神经网络(RNN),以及一些广泛应用的变体,例如GRU和LSTM
– 能够将序列模型应用到自然语言问题中,包括文字合成。
– 能够将序列模型应用到音频应用,包括语音识别和音乐合成。

制作方:deeplearning.ai
原载于:Coursera

Udemy
声明:MOOC中国发布之课程均源自下列机构,版权均归他们所有。本站仅作报道收录并尊重其著作权益,感谢他们对MOOC事业做出的贡献!(排名不分先后)
  • Coursera
  • edX
  • OpenLearning
  • FutureLearn
  • iversity
  • Udacity
  • NovoEd
  • Canvas
  • Open2Study
  • Google
  • ewant
  • FUN
  • IOC-Athlete-MOOC
  • World-Science-U
  • Codecademy
  • CourseSites
  • opencourseworld
  • ShareCourse
  • gacco
  • MiriadaX
  • JANUX
  • openhpi
  • Stanford-Open-Edx
  • 网易云课堂
  • 中国大学MOOC
  • 学堂在线
  • 顶你学堂
  • 华文慕课
  • 好大学在线CnMooc
  • 以及更多...

Copyright © 2008-2015 MOOC.CN 慕课改变你,你改变世界