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
von
Spezialisierung Deep Learningdeeplearning.aiÜber diesen Kurs
1,225,760 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
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. 20 Stunden zum Abschließen
Englisch
Untertitel: Chinesisch (traditionell), Französisch, Portugiesisch (Brasilien), Chinesisch (vereinfacht), Koreanisch, Russisch, Türkisch, Englisch, Spanisch, Japanisch
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. 20 Stunden zum Abschließen
Englisch
Untertitel: Chinesisch (traditionell), Französisch, Portugiesisch (Brasilien), Chinesisch (vereinfacht), Koreanisch, Russisch, Türkisch, Englisch, Spanisch, Japanisch
von
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
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 AR11. Juli 2020
I really enjoyed this course, it would be awesome to see al least one training example using GPU (maybe in Google Colab since not everyone owns one) so we could train the deepest networks from scratch
von RS11. Dez. 2019
Great Course Overall One 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 AG12. Jan. 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 RK1. Sep. 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.
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.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
- Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
- Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
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.
Is financial aid available?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
