Über diesen Kurs
595,755 recent views

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Englisch

Untertitel: Englisch, Koreanisch, Chinesisch (vereinfacht)

Kompetenzen, die Sie erwerben

Recurrent Neural NetworkArtificial Neural NetworkDeep LearningLong Short-Term Memory (ISTM)

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Englisch

Untertitel: Englisch, Koreanisch, Chinesisch (vereinfacht)

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
6 Stunden zum Abschließen

Recurrent Neural Networks

Learn about recurrent neural networks. This type of model has been proven to perform extremely well on temporal data. It has several variants including LSTMs, GRUs and Bidirectional RNNs, which you are going to learn about in this section.

...
12 Videos (Gesamt 112 min), 4 Quiz
12 Videos
Notation9m
Recurrent Neural Network Model16m
Backpropagation through time6m
Different types of RNNs9m
Language model and sequence generation12m
Sampling novel sequences8m
Vanishing gradients with RNNs6m
Gated Recurrent Unit (GRU)17m
Long Short Term Memory (LSTM)9m
Bidirectional RNN8m
Deep RNNs5m
1 praktische Übung
Recurrent Neural Networks20m
Woche
2
4 Stunden zum Abschließen

Natural Language Processing & Word Embeddings

Natural language processing with deep learning is an important combination. Using word vector representations and embedding layers you can train recurrent neural networks with outstanding performances in a wide variety of industries. Examples of applications are sentiment analysis, named entity recognition and machine translation.

...
10 Videos (Gesamt 102 min), 3 Quiz
10 Videos
Using word embeddings9m
Properties of word embeddings11m
Embedding matrix5m
Learning word embeddings10m
Word2Vec12m
Negative Sampling11m
GloVe word vectors11m
Sentiment Classification7m
Debiasing word embeddings11m
1 praktische Übung
Natural Language Processing & Word Embeddings20m
Woche
3
5 Stunden zum Abschließen

Sequence models & Attention mechanism

Sequence models can be augmented using an attention mechanism. This algorithm will help your model understand where it should focus its attention given a sequence of inputs. This week, you will also learn about speech recognition and how to deal with audio data.

...
11 Videos (Gesamt 103 min), 3 Quiz
11 Videos
Picking the most likely sentence8m
Beam Search11m
Refinements to Beam Search11m
Error analysis in beam search9m
Bleu Score (optional)16m
Attention Model Intuition9m
Attention Model12m
Speech recognition8m
Trigger Word Detection5m
Conclusion and thank you2m
1 praktische Übung
Sequence models & Attention mechanism20m
4.8
1652 BewertungenChevron Right

38%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

38%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

11%

erhalten Sie eine Gehaltserhöhung oder Beförderung

Top reviews from Sequence Models

von JYOct 30th 2018

The lectures covers lots of SOTA deep learning algorithms and the lectures are well-designed and easy to understand. The programming assignment is really good to enhance the understanding of lectures.

von AMJul 1st 2019

The course is very good and has taught me the all the important concepts required to build a sequence model. The assignments are also very neatly and precisely designed for the real world application.

Dozenten

Avatar

Andrew Ng

CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain
Avatar

Head Teaching Assistant - Kian Katanforoosh

Lecturer of Computer Science at Stanford University, deeplearning.ai, Ecole CentraleSupelec
Avatar

Teaching Assistant - Younes Bensouda Mourri

Mathematical & Computational Sciences, Stanford University, deeplearning.ai
Computer Science

Über deeplearning.ai

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

Über die 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....
Deep Learning

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..