Über diesen Kurs

43,884 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Ca. 52 Stunden zum Abschließen
Englisch

Kompetenzen, die Sie erwerben

Probabilistic Neural NetworkDeep LearningGenerative ModelTensorflowProbabilistic Programming Language (PRPL)
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Ca. 52 Stunden zum Abschließen
Englisch

von

Placeholder

Imperial College London

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

12 Stunden zum Abschließen

TensorFlow Distributions

12 Stunden zum Abschließen
14 Videos (Gesamt 92 min), 4 Lektüren, 2 Quiz
14 Videos
Interview with Paige Bailey7m
The TensorFlow Probability library2m
Univariate distributions8m
[Coding tutorial] Univariate distributions6m
Multivariate distributions6m
[Coding tutorial] Multivariate distributions5m
The Independent distribution6m
[Coding tutorial] The Independent distribution12m
Sampling and log probs6m
[Coding tutorial] Sampling and log probs10m
Trainable distributions5m
[Coding tutorial] Trainable distributions11m
Wrap up and introduction to the programming assignment1m
4 Lektüren
About Imperial College & the team10m
How to be successful in this course10m
Grading policy10m
Additional readings & helpful references10m
1 praktische Übung
[Knowledge check] Standard distributions30m
Woche
2

Woche 2

12 Stunden zum Abschließen

Probabilistic layers and Bayesian neural networks

12 Stunden zum Abschließen
11 Videos (Gesamt 110 min)
11 Videos
The need for uncertainty in deep learning models3m
The DistributionLambda layer7m
[Coding tutorial] The DistributionLambda layer10m
Probabilistic layers9m
[Coding tutorial] Probabilistic layers15m
The DenseVariational layer12m
[Coding tutorial] The DenseVariational layer20m
Reparameterization layers8m
[Coding tutorial] Reparameterization layers19m
Wrap up and introduction to the programming assignment1m
1 praktische Übung
Sources of uncertainty30m
Woche
3

Woche 3

13 Stunden zum Abschließen

Bijectors and normalising flows

13 Stunden zum Abschließen
12 Videos (Gesamt 93 min)
12 Videos
Interview with Doug Kelly10m
Bijectors7m
[Coding tutorial] Bijectors9m
The TransformedDistribution class10m
[Coding tutorial] The Transformed Distribution class8m
Subclassing bijectors5m
[Coding tutorial] Subclassing bijectors9m
Autoregressive flows10m
RealNVP8m
[Coding tutorial] Normalising flows10m
Wrap up and introduction to the programming assignment1m
1 praktische Übung
Change of variables formula30m
Woche
4

Woche 4

13 Stunden zum Abschließen

Variational autoencoders

13 Stunden zum Abschließen
10 Videos (Gesamt 77 min)
10 Videos
Encoders and decoders5m
[Coding tutorial] Encoders and decoders6m
Minimising KL divergence10m
[Coding tutorial] Minimising KL divergence7m
Maximising the ELBO13m
[Coding tutorial] Maximising the ELBO10m
KL divergence layers8m
[Coding tutorial] KL divergence layers10m
Wrap up and introduction to the programming assignment1m
1 praktische Übung
Variational autoencoders30m

Über den Spezialisierung TensorFlow 2 for Deep Learning

TensorFlow 2 for Deep Learning

Häufig gestellte Fragen

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