The course will teach you how to develop deep learning models using Pytorch. The course will start with Pytorch's tensors and Automatic differentiation package. Then each section will cover different models starting off with fundamentals such as Linear Regression, and logistic/softmax regression. Followed by Feedforward deep neural networks, the role of different activation functions, normalization and dropout layers. Then Convolutional Neural Networks and Transfer learning will be covered. Finally, several other Deep learning methods will be covered.
Dieser Kurs ist Teil der Spezialisierung IBM AI Engineering Zertifikat über berufliche Qualifikation
Deep Neural Networks with PyTorch
von
Über diesen Kurs
211,678 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 6 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 20 Stunden zum Abschließen
Empfohlen: 20 hours/week
Englisch
Untertitel: Englisch
von
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.
Lehrplan - Was Sie in diesem Kurs lernen werden
5 Stunden zum Abschließen
Tensor and Datasets
5 Stunden zum Abschließen
6 Videos (Gesamt 44 min), 2 Lektüren, 11 Quiz
6 Videos
1.1 Tensors 1D13m
1.2 Two-Dimensional Tensors9m
Differentiation in PyTorch5m
1.3 Simple Dataset7m
1.5 Dataset4m
2 Lektüren
Labs10m
Labs Review & Download10m
5 praktische Übungen
1.1 Tensors 1D5m
1.2 Two-Dimensional Tensors5m
1.3 Derivatives in PyTorch5m
Simple Dataset5m
Datasets10m
3 Stunden zum Abschließen
Linear Regression
3 Stunden zum Abschließen
7 Videos (Gesamt 35 min), 1 Lektüre, 10 Quiz
7 Videos
2.1 Linear Regression Training3m
Loss3m
Gradient Descent4m
Cost3m
Linear Regression PyToch5m
PyTorch Linear Regression Training Slope and Bias5m
1 Lektüre
Labs Review & Download10m
7 praktische Übungen
Prediction in One Dimension5m
Linear Regression Training5m
Loss5m
Gradient Descent5m
Cost5m
Training Parameters in PyTorch5m
PyTorch Linear Regression Training Slope and Bias5m
3 Stunden zum Abschließen
Linear Regression PyTorch Way
3 Stunden zum Abschließen
5 Videos (Gesamt 21 min), 1 Lektüre, 8 Quiz
5 Videos
Mini-Batch Gradient Descent3m
Optimization in PyTorch3m
Training, Validation and Test Split4m
Training, Validation and Test Split PyTorch3m
1 Lektüre
Labs Review & Download10m
4 praktische Übungen
Quiz: Stochastic Gradient Descent5m
Mini-Batch Gradient Descent5m
3.3 Optimization in PyTorch5m
Training and Validation Data PyTorch5m
2 Stunden zum Abschließen
Multiple Input Output Linear Regression
2 Stunden zum Abschließen
4 Videos (Gesamt 18 min), 1 Lektüre, 6 Quiz
4 Videos
Multiple Linear Regression Training2m
Linear Regression Multiple Outputs5m
Multiple Output Linear Regression Training1m
1 Lektüre
Labs Review & Download10m
2 praktische Übungen
Multiple Linear Regression Prediction5m
Multiple Output Linear Regression5m
2 Stunden zum Abschließen
Logistic Regression for Classification
2 Stunden zum Abschließen
4 Videos (Gesamt 31 min), 1 Lektüre, 8 Quiz
4 Videos
5.1 Logistic Regression: Prediction6m
Bernoulli Distribution and Maximum Likelihood Estimation5m
Logistic Regression Cross Entropy Loss10m
1 Lektüre
5.4 Labs Review & Download10m
5 praktische Übungen
5.0 Linear Classifiers5m
5.0 Linear Classifiers5m
5.1 Logistic Regression: Prediction10m
Bernoulli Distribution and Maximum Likelihood Estimation5m
5.3 Logistic Regression Cross Entropy Loss10m
2 Stunden zum Abschließen
Softmax Rergresstion
2 Stunden zum Abschließen
3 Videos (Gesamt 18 min), 1 Lektüre, 5 Quiz
1 Lektüre
6.4 Labs Review & Download10m
3 praktische Übungen
6.1 Softmax Function:Using Lines to Classify Data5m
6.2 Softmax Prediction5m
6.3 Softmax PyTorch Quizz5m
3 Stunden zum Abschließen
Shallow Neural Networks
3 Stunden zum Abschließen
6 Videos (Gesamt 33 min), 1 Lektüre, 12 Quiz
6 Videos
More Hidden Neurons2m
Neural Networks with Multiple Dimensional Input5m
7.4 Multi-Class Neural Networks5m
7.5 Backpropagation5m
7.5 Activation Functions4m
1 Lektüre
7.7 Labs Review & Download10m
6 praktische Übungen
Neural Networks5m
More Hidden Neurons 5m
Neural Networks with Multiple Dimensional Inputs5m
Multi-Class Neural Networks5m
Backpropagation5m
Activation Functions5m
Bewertungen
Top-Bewertungen von DEEP NEURAL NETWORKS WITH PYTORCH
von ANMar 6, 2020
It was a very informative and interesting lecture. I learn a lot about the details when using PyTorch to build and train a deep neural network. I am so thankful.
von SKNov 16, 2019
Awesome! This course gives me the basic workflow for using machine learning technique in my research! The materials in the form of Jupyter lab really help!
von TGJan 10, 2020
Very intensive course. Could do more training labs. But this is definitely a very dense course. Extremely helpful to get started on ML/Deep Learning.
von JJFeb 19, 2020
It was a LONG course, very packed with info. But, I feel like I certainly learned a lot and have a great foundation for further learning.
Über den IBM AI Engineering Zertifikat über berufliche Qualifikation
The rapid pace of innovation in Artificial Intelligence (AI) is creating enormous opportunity for transforming entire industries and our very existence. After competing this comprehensive 6 course Professional Certificate, you will get a practical understanding of Machine Learning and Deep Learning.
You will master fundamental concepts of Machine Learning and Deep Learning, including supervised and unsupervised learning. You will utilize popular Machine Learning and Deep Learning libraries such as SciPy, ScikitLearn, Keras, PyTorch, and Tensorflow applied to industry problems involving object recognition and Computer Vision, image and video processing, text analytics, Natural Language Processing, recommender systems, and other types of classifiers.
You will be able to scale Machine Learning on Big Data using Apache Spark. You will build, train, and deploy different types of Deep Architectures, including Convolutional Networks, Recurrent Networks, and Autoencoders.
By the end of this Professional Certificate, you will have completed several projects showcasing your proficiency in Machine Learning and Deep Learning, and become armed with skills for a career as an AI Engineer.
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 dieses Zertifikat abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse des Zertifikats 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 lediglich den Inhalt des Kurses lesen und anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..