Über diesen Kurs
57,368

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Fortgeschritten“

Ca. 19 Stunden zum Abschließen

Empfohlen: 4 weeks of study, 4-6 hours/week...

Englisch

Untertitel: Englisch

Kompetenzen, die Sie erwerben

Machine LearningDeep LearningLong Short-Term Memory (ISTM)Apache Spark

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Fortgeschritten“

Ca. 19 Stunden zum Abschließen

Empfohlen: 4 weeks of study, 4-6 hours/week...

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
5 Stunden zum Abschließen

Introduction to deep learning

...
17 Videos (Gesamt 65 min), 5 Lektüren, 2 Quiz
17 Videos
Introduction - Romeo Kienzler30
Introduction - Ilja Rasin1m
Introduction - Niketan Pansare30
Introduction - Tom Hanlon1m
Course Logistics1m
Cloud Architectures for AI and DeepLearning4m
Linear algebra6m
Deep feed forward neural networks12m
Convolutional Neural Networks4m
Recurrent neural networks1m
LSTMs3m
Auto encoders and representation learning2m
Methods for neural network training8m
Gradient Descent Updater Strategies6m
How to choose the correct activation function3m
The bias-variance tradeoff in deep learning3m
5 Lektüren
IBM Digital Badge10m
Video summary on environment setup10m
Where to get all the code and slides for download?10m
Introduction to ApacheSpark10m
Link to Github10m
1 praktische Übung
DeepLearning Fundamentals14m
Woche
2
7 Stunden zum Abschließen

deep learning frameworks

...
24 Videos (Gesamt 168 min), 1 Lektüre, 5 Quiz
24 Videos
Neural Network Debugging with TensorBoard7m
Automatic Differentiation2m
Introduction video44
Keras overview5m
Sequential models in keras6m
Feed forward networks7m
Recurrent neural networks9m
Beyond sequential models: the functional API3m
Saving and loading models2m
What is SystemML (1/2) ?3m
What is SystemML (2/2) ?6m
Demo - How to use Apache SystemML on IBM DSX (1/3)4m
Demo - How to use Apache SystemML on IBM DSX (2/3)3m
Demo - How to use Apache SystemML on IBM DSX (3/3)8m
Introduction to DeepLearning4J12m
Demo: Running Java in Data Science Experience8m
DL4J Neural Network Code Example, Mnist Classifier14m
PyTorch Installation2m
PyTorch Packages2m
Tensor Creation and Visualization of Higher Dimensional Tensors6m
Math Computation and Reshape7m
Computation Graph, CUDA17m
Linear Model17m
1 Lektüre
Link to files in Github10m
4 praktische Übungen
TensorFlow12m
Apache SystemML12m
DL4J Fundamentals12m
PyTorch Introduction12m
Woche
3
6 Stunden zum Abschließen

DeepLearning Applications

...
18 Videos (Gesamt 115 min), 2 Lektüren, 5 Quiz
18 Videos
How to implement an anomaly detector (1/2)11m
How to implement an anomaly detector (2/2)2m
How to deploy a real-time anomaly detector2m
Introduction to Time Series Forecasting4m
Stateful vs. Stateless LSTMs6m
Batch Size5m
Number of Time Steps, Epochs, Training and Validation8m
Trainin Set Size4m
Input and Output Data Construction7m
Designing the LSTM network in Keras10m
Anatomy of a LSTM Node12m
Number of Parameters7m
Training and loading a saved model4m
Classifying the MNIST dataset with Convolutional Neural Networks5m
Image classification with Imagenet and Resnet503m
Autoencoder - understanding Word2Vec8m
Text Classification with Word Embeddings4m
2 Lektüren
Generative Adversarial Networks (GANs) (optional)10m
Generative Adversarial Networks (GANs) (optional)10m
4 praktische Übungen
Anomaly Detection12m
Sequence Classification with Keras LSTM Network12m
Image Classification6m
NLP6m
Woche
4
4 Stunden zum Abschließen

scaling and deployment

...
5 Videos (Gesamt 40 min), 3 Lektüren, 2 Quiz
5 Videos
Creating and Scaling a Keras Model in ApacheSpark using DL4J14m
Creating and Scaling a Keras Model in ApacheSpark using DL4J (Demo)16m
Computer Vision with IBM Watson Visual Recognition2m
Text Classification with IBM Watson Natural Language Classifier1m
3 Lektüren
Parallel Neural Network Training10m
Scale a Keras Model with IBM Watson Machine Learning10m
Link to Github10m
1 praktische Übung
Run a Notebook using Keras and DL4J6m
4.4
55 BewertungenChevron Right

18%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

29%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

33%

erhalten Sie eine Gehaltserhöhung oder Beförderung

Top-Bewertungen

von RCApr 26th 2018

It was really great learning with coursera and I loved the course. The way faculty teaches here is just awesome as they are very much clear and helped a lot while learning this coursea

von QLApr 9th 2019

This is an excellent course in teaching me not only the deep learning principles but also practical usecases and various frameworks.

Dozenten

Avatar

Romeo Kienzler

Chief Data Scientist, Course Lead
IBM Watson IoT
Avatar

Niketan Pansare

Senior Software Engineer
IBM Research
Avatar

Tom Hanlon

Training Director
Skymind
Avatar

Max Pumperla

Deep Learning Engineer
Avatar

Ilja Rasin

Data Scientist
IBM Watson Health

Über IBM

IBM offers a wide range of technology and consulting services; a broad portfolio of middleware for collaboration, predictive analytics, software development and systems management; and the world's most advanced servers and supercomputers. Utilizing its business consulting, technology and R&D expertise, IBM helps clients become "smarter" as the planet becomes more digitally interconnected. IBM invests more than $6 billion a year in R&D, just completing its 21st year of patent leadership. IBM Research has received recognition beyond any commercial technology research organization and is home to 5 Nobel Laureates, 9 US National Medals of Technology, 5 US National Medals of Science, 6 Turing Awards, and 10 Inductees in US Inventors Hall of Fame....

Über die Spezialisierung Advanced Data Science with IBM

As a coursera certified specialization completer you will have a proven deep understanding on massive parallel data processing, data exploration and visualization, and advanced machine learning & deep learning. You'll understand the mathematical foundations behind all machine learning & deep learning algorithms. You can apply knowledge in practical use cases, justify architectural decisions, understand the characteristics of different algorithms, frameworks & technologies & how they impact model performance & scalability. If you choose to take this specialization and earn the Coursera specialization certificate, you will also earn an IBM digital badge. To find out more about IBM digital badges follow the link ibm.biz/badging....
Advanced Data Science with IBM

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

  • The IBM Watson IoT Certified Data Scientist degree is a Coursera specialization IBM is currently creating. This course is one part of 3-4 courses coming up the next couple of months

    Currently only this and another course exist. The other one is the following:

    https://www.coursera.org/learn/exploring-visualizing-iot-data

    The course above will be modified and renamed to "Fundamentals of Applied DataScience" - but if you pass it today, it counts towards the certificate as well

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..