This course will teach you how to build convolutional neural networks and apply it to image data. Thanks to deep learning, computer vision is working far better than just two years ago, and this is enabling numerous exciting applications ranging from safe autonomous driving, to accurate face recognition, to automatic reading of radiology images.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Deep Learning
Convolutional Neural Networks
von
Über diesen Kurs
1,005,168 kürzliche Aufrufe
Karriereergebnisse der Lernenden
36%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
37%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
12%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Kompetenzen, die Sie erwerben
Facial Recognition SystemTensorflowConvolutional Neural NetworkArtificial Neural Network
Karriereergebnisse der Lernenden
36%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
37%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
12%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 21 Stunden zum Abschließen
Empfohlen: 4 weeks of study, 4-5 hours/week
Englisch
Untertitel: Chinesisch (traditionell), Chinesisch (vereinfacht), Koreanisch, Türkisch, Englisch, Spanisch, Japanisch
von
deeplearning.ai
deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders.
Lehrplan - Was Sie in diesem Kurs lernen werden
6 Stunden zum Abschließen
Foundations of Convolutional Neural Networks
Learn to implement the foundational layers of CNNs (pooling, convolutions) and to stack them properly in a deep network to solve multi-class image classification problems.
6 Stunden zum Abschließen
12 Videos (Gesamt 140 min), 4 Lektüren, 3 Quiz
12 Videos
Edge Detection Example11m
More Edge Detection7m
Padding9m
Strided Convolutions9m
Convolutions Over Volume10m
One Layer of a Convolutional Network16m
Simple Convolutional Network Example8m
Pooling Layers10m
CNN Example12m
Why Convolutions?9m
Yann LeCun Interview27m
4 Lektüren
Strided convolutions *CORRECTION*1m
Simple Convolutional Network Example *CORRECTION*1m
CNN Example *CORRECTION*1m
Why Convolutions? *CORRECTION*1m
1 praktische Übung
The basics of ConvNets30m
5 Stunden zum Abschließen
Deep convolutional models: case studies
Learn about the practical tricks and methods used in deep CNNs straight from the research papers.
5 Stunden zum Abschließen
11 Videos (Gesamt 99 min), 1 Lektüre, 2 Quiz
11 Videos
Classic Networks18m
ResNets7m
Why ResNets Work9m
Networks in Networks and 1x1 Convolutions6m
Inception Network Motivation10m
Inception Network8m
Using Open-Source Implementation4m
Transfer Learning8m
Data Augmentation9m
State of Computer Vision12m
1 Lektüre
Inception Network Motivation *CORRECTION*1m
1 praktische Übung
Deep convolutional models30m
4 Stunden zum Abschließen
Object detection
Learn how to apply your knowledge of CNNs to one of the toughest but hottest field of computer vision: Object detection.
4 Stunden zum Abschließen
10 Videos (Gesamt 85 min), 2 Lektüren, 2 Quiz
10 Videos
Landmark Detection5m
Object Detection5m
Convolutional Implementation of Sliding Windows11m
Bounding Box Predictions14m
Intersection Over Union4m
Non-max Suppression8m
Anchor Boxes9m
YOLO Algorithm7m
(Optional) Region Proposals6m
2 Lektüren
Convolutional Implementation of Sliding Windows *CORRECTION*1m
YOLO algorithm *CORRECTION*1m
1 praktische Übung
Detection algorithms30m
5 Stunden zum Abschließen
Special applications: Face recognition & Neural style transfer
Discover how CNNs can be applied to multiple fields, including art generation and face recognition. Implement your own algorithm to generate art and recognize faces!
5 Stunden zum Abschließen
11 Videos (Gesamt 76 min), 3 Lektüren, 3 Quiz
11 Videos
One Shot Learning4m
Siamese Network4m
Triplet Loss15m
Face Verification and Binary Classification6m
What is neural style transfer?2m
What are deep ConvNets learning?7m
Cost Function3m
Content Cost Function3m
Style Cost Function13m
1D and 3D Generalizations9m
3 Lektüren
Triplet Loss *CORRECTION*1m
Face Verification and Binary Classification *CORRECTION*1m
Style Cost *CORRECTION*1m
1 praktische Übung
Special applications: Face recognition & Neural style transfer30m
Bewertungen
Top-Bewertungen von CONVOLUTIONAL NEURAL NETWORKS
von SHAug 5, 2019
Great content in lectures! Automatic graders for programming assignments can be tricky, and set to old versions of tf sometimes, but answers to these issues are readily found in the discussion forums.
von AGJan 12, 2019
Great course for kickoff into the world of CNN's. Gives a nice overview of existing architectures and certain applications of CNN's as well as giving some solid background in how they work internally.
von RSDec 11, 2019
Great Course Overall\n\nOne thing is that some videos are not edited properly so Andrew repeats the same thing, again and again, other than that great and simple explanation of such complicated tasks.
von RKSep 1, 2019
This is very intensive and wonderful course on CNN. No other course in the MOOC world can be compared to this course's capability of simplifying complex concepts and visualizing them to get intuition.
von EBNov 2, 2017
Wonderful course. Covers a wide array of immediately appealing subjects: from object detection to face recognition to neural style transfer, intuitively motivate relevant models like YOLO and ResNet.
von FHJan 11, 2019
Amazing! Feels like AI is getting tamed in my hands. Course lectures , assignments are excellent. To those who are not well versed with python - numpy and tensorflow , it would be better to brush up.
von DMApr 21, 2019
This is one of the best courses for CNNs. This gives a very deep understanding of the concepts and helps to understand the brains behind the CNNs and their working in application based environments.
von DDFeb 6, 2020
very easy to understand and helped my understanding in Deep Learning-based computer vision. Yet, this course will need to be updated with new developments in the future (to catch up with the trend).
Über den Spezialisierung Deep Learning
If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning.
In five courses, you will learn the foundations of Deep Learning, understand how to build neural networks, and learn how to lead successful machine learning projects. You will learn about Convolutional networks, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization, and more. You will work on case studies from healthcare, autonomous driving, sign language reading, music generation, and natural language processing. You will master not only the theory, but also see how it is applied in industry. You will practice all these ideas in Python and in TensorFlow, which we will teach.
You will also hear from many top leaders in Deep Learning, who will share with you their personal stories and give you career advice.
AI is transforming multiple industries. After finishing this specialization, you will likely find creative ways to apply it to your work.
We will help you master Deep Learning, understand how to apply it, and build a career in AI.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
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.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
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.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..