Über diesen Kurs
204,611 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Course 1 of the TensorFlow Specialization, Python coding, and high-school level math are required. ML/DL experience is helpful but not required.

Ca. 7 Stunden zum Abschließen

Empfohlen: 4 weeks of study, 4-5 hours/week...

Englisch

Untertitel: Englisch

Was Sie lernen werden

  • Check

    Handle real-world image data

  • Check

    Plot loss and accuracy

  • Check

    Explore strategies to prevent overfitting, including augmentation and dropout

  • Check

    Learn transfer learning and how learned features can be extracted from models

Kompetenzen, die Sie erwerben

Inductive TransferAugmentationDropoutsMachine LearningTensorflow

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Course 1 of the TensorFlow Specialization, Python coding, and high-school level math are required. ML/DL experience is helpful but not required.

Ca. 7 Stunden zum Abschließen

Empfohlen: 4 weeks of study, 4-5 hours/week...

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
4 Stunden zum Abschließen

Exploring a Larger Dataset

8 Videos (Gesamt 18 min), 5 Lektüren, 3 Quiz
8 Videos
A conversation with Andrew Ng1m
Training with the cats vs. dogs dataset2m
Working through the notebook4m
Fixing through cropping49
Visualizing the effect of the convolutions1m
Looking at accuracy and loss1m
Week 1 Wrap up33
5 Lektüren
Before you Begin: TensorFlow 2.0 and this Course10m
The cats vs dogs dataset10m
Looking at the notebook10m
What you'll see next10m
What have we seen so far?10m
1 praktische Übung
Week 1 Quiz30m
Woche
2
4 Stunden zum Abschließen

Augmentation: A technique to avoid overfitting

7 Videos (Gesamt 14 min), 6 Lektüren, 3 Quiz
7 Videos
Introducing augmentation2m
Coding augmentation with ImageDataGenerator3m
Demonstrating overfitting in cats vs. dogs1m
Adding augmentation to cats vs. dogs1m
Exploring augmentation with horses vs. humans1m
Week 2 Wrap up37
6 Lektüren
Image Augmentation10m
Start Coding...10m
Looking at the notebook10m
The impact of augmentation on Cats vs. Dogs10m
Try it for yourself!10m
What have we seen so far?10m
1 praktische Übung
Week 2 Quiz30m
Woche
3
4 Stunden zum Abschließen

Transfer Learning

7 Videos (Gesamt 14 min), 5 Lektüren, 3 Quiz
7 Videos
Understanding transfer learning: the concepts2m
Coding transfer learning from the inception mode1m
Coding your own model with transferred features2m
Exploring dropouts1m
Exploring Transfer Learning with Inception1m
Week 3 Wrap up36
5 Lektüren
Start coding!10m
Adding your DNN10m
Using dropouts!10m
Applying Transfer Learning to Cats v Dogs10m
What have we seen so far?10m
1 praktische Übung
Week 3 Quiz30m
Woche
4
4 Stunden zum Abschließen

Multiclass Classifications

6 Videos (Gesamt 12 min), 5 Lektüren, 3 Quiz
6 Videos
Moving from binary to multi-class classification44
Explore multi-class with Rock Paper Scissors dataset2m
Train a classifier with Rock Paper Scissors1m
Test the Rock Paper Scissors classifier2m
A conversation with Andrew Ng1m
5 Lektüren
Introducing the Rock-Paper-Scissors dataset10m
Check out the code!10m
Try testing the classifier10m
What have we seen so far?10m
Wrap up10m
1 praktische Übung
Week 4 Quiz30m
4.7
193 BewertungenChevron Right

15%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

11%

erhalten Sie eine Gehaltserhöhung oder Beförderung

Top-Bewertungen von Convolutional Neural Networks in TensorFlow

von JMSep 12th 2019

great introductory stuff, great way to keep in touch with tensorflow's new tools, and the instructor is absolutely phenomenal. love the enthusiasm and the interactions with andrew are a joy to watch.

von MHMay 24th 2019

A very comprehensive and easy to learn course on Tensor Flow. I am really impressed by the Instructor ability to teach difficult concept with ease. I will look forward another course of this series.

Dozent

Avatar

Laurence Moroney

AI Advocate
Google Brain

Über deeplearning.ai

deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders....

Über den Spezialisierung TensorFlow in Practice

Discover the tools software developers use to build scalable AI-powered algorithms in TensorFlow, a popular open-source machine learning framework. In this four-course Specialization, you’ll explore exciting opportunities for AI applications. Begin by developing an understanding of how to build and train neural networks. Improve a network’s performance using convolutions as you train it to identify real-world images. You’ll teach machines to understand, analyze, and respond to human speech with natural language processing systems. Learn to process text, represent sentences as vectors, and input data to a neural network. You’ll even train an AI to create original poetry! AI is already transforming industries across the world. After finishing this Specialization, you’ll be able to apply your new TensorFlow skills to a wide range of problems and projects. Courses 1-3 are available now, with Course 4 launching in July....
TensorFlow in Practice

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.

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