이 강좌는 심층 학습 특화 과정의 일부입니다.

4.9
별점
57,913개의 평가
•
6,662개의 리뷰

Andrew Ng +2명의 강사
최고의 강사

390,671명이 이미 등록했습니다.

제공자:

심층 학습 특화 과정deeplearning.ai

이 강좌에 대하여

최근 조회 623,160회

In the second course of the Deep Learning Specialization, you will open the deep learning black box to understand the processes that drive performance and generate good results systematically. 
By the end, you will learn the best practices to train and develop test sets and analyze bias/variance for building deep learning applications; be able to use standard neural network techniques such as initialization, L2 and dropout regularization, hyperparameter tuning, batch normalization, and gradient checking; implement and apply a variety of optimization algorithms, such as mini-batch gradient descent, Momentum, RMSprop and Adam, and check for their convergence; and implement a neural network in TensorFlow.

The Deep Learning Specialization is our foundational program that will help you understand the capabilities, challenges, and consequences of deep learning and prepare you to participate in the development of leading-edge AI technology. It provides a pathway for you to gain the knowledge and skills to apply machine learning to your work, level up your technical career, and take the definitive step in the world of AI.

학습자 경력 결과

29%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

28%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

11%

가 급여 인상 또는 승진 성취

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 5개 강좌 중 2번째 강좌:

심층 학습 특화 과정

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

Intermediate Python skills: basic programming, understanding of for loops, if/else statements, data structures
A basic grasp of linear algebra & ML

완료하는 데 약 22시간 필요

영어

자막: 중국어 (번체자), 아랍어, 프랑스어, 포르투갈어 (유럽), 중국어 (간체자), 이탈리아어, 포르투갈어 (브라질), 베트남어, 한국어, 독일어, 러시아어, 터키어, 영어, 스페인어

귀하가 습득할 기술

TensorflowDeep LearningMathematical Optimizationhyperparameter tuning

학습자 경력 결과

29%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

28%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

11%

가 급여 인상 또는 승진 성취

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 5개 강좌 중 2번째 강좌:

심층 학습 특화 과정

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

Intermediate Python skills: basic programming, understanding of for loops, if/else statements, data structures
A basic grasp of linear algebra & ML

완료하는 데 약 22시간 필요

영어

강사

강사 평가

4.92/5 (3,411개의 평가)

제공자:

deeplearning.ai

DeepLearning.AI is an education technology company that develops a global community of AI talent.

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가96%(59,186개의 평가)

주

주 1

완료하는 데 12시간 필요

Practical Aspects of Deep Learning

Discover and experiment with a variety of different initialization methods, apply L2 regularization and dropout to avoid model overfitting, then apply gradient checking to identify errors in a fraud detection model.

완료하는 데 12시간 필요

15개 동영상 (총 131분), 4 개의 읽기 자료, 4 개의 테스트

15개의 동영상

Train / Dev / Test sets12m

Bias / Variance8m

Basic Recipe for Machine Learning6m

Regularization9m

Why Regularization Reduces Overfitting?7m

Dropout Regularization9m

Understanding Dropout7m

Other Regularization Methods8m

Normalizing Inputs5m

Vanishing / Exploding Gradients6m

Weight Initialization for Deep Networks6m

Numerical Approximation of Gradients6m

Gradient Checking6m

Gradient Checking Implementation Notes5m

Yoshua Bengio Interview25m

4개의 읽기 자료

Connect with your Mentors and Fellow Learners on Discourse!10m

Clarification about Upcoming Regularization Video1m

Clarification about Upcoming Understanding Dropout Video1m

Clarification about Upcoming Normalizing Inputs Video1m

1개 연습문제

Practical aspects of Deep Learning20m

주

주 2

완료하는 데 5시간 필요

Optimization Algorithms

Develop your deep learning toolbox by adding more advanced optimizations, random minibatching, and learning rate decay scheduling to speed up your models.

완료하는 데 5시간 필요

11개 동영상 (총 92분), 2 개의 읽기 자료, 2 개의 테스트

11개의 동영상

Mini-batch Gradient Descent11m

Understanding Mini-batch Gradient Descent11m

Exponentially Weighted Averages5m

Understanding Exponentially Weighted Averages9m

Bias Correction in Exponentially Weighted Averages4m

Gradient Descent with Momentum9m

RMSprop7m

Adam Optimization Algorithm7m

Learning Rate Decay6m

The Problem of Local Optima5m

Yuanqing Lin Interview13m

2개의 읽기 자료

Clarification about Upcoming Adam Optimization Video1m

Clarification about Learning Rate Decay Video1m

1개 연습문제

Optimization Algorithms20m

주

주 3

완료하는 데 5시간 필요

Hyperparameter Tuning, Batch Normalization and Programming Frameworks

Explore TensorFlow, a deep learning framework that allows you to build neural networks quickly and easily, then train a neural network on a TensorFlow dataset.

완료하는 데 5시간 필요

11개 동영상 (총 103분), 3 개의 읽기 자료, 2 개의 테스트

11개의 동영상

Tuning Process7m

Using an Appropriate Scale to pick Hyperparameters8m

Hyperparameters Tuning in Practice: Pandas vs. Caviar6m

Normalizing Activations in a Network8m

Fitting Batch Norm into a Neural Network12m

Why does Batch Norm work?11m

Batch Norm at Test Time5m

Softmax Regression11m

Training a Softmax Classifier10m

Deep Learning Frameworks4m

TensorFlow15m

3개의 읽기 자료

Clarifications about Upcoming Softmax Video1m

References10m

Acknowledgments10m

1개 연습문제

Hyperparameter tuning, Batch Normalization, Programming Frameworks20m

검토

4.9

6662개의 리뷰

5 stars
88.32%
4 stars
10.54%
3 stars
0.97%
2 stars
0.10%
1 star
0.04%

IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION의 최상위 리뷰

A 제공2017년 10월 22일

Assignment in week 2 could not tell the difference between 'a-=b' and 'a=a-b' and marked the former as incorrect even though they are the same and gave the same output. Other than that, a great course

AM 제공2019년 10월 8일

I really enjoyed this course. Many details are given here that are crucial to gain experience and tips on things that looks easy at first sight but are important for a faster ML project implementation

XG 제공2017년 10월 30일

Thank you Andrew!! I know start to use Tensorflow, however, this tool is not well for a research goal. Maybe, pytorch could be considered in the future!! And let us know how to use pytorch in Windows.

AS 제공2020년 4월 18일

Very good course to give you deep insight about how to enhance your algorithm and neural network and improve its accuracy. Also teaches you Tensorflow. Highly recommend especially after the 1st course

모든 리뷰 보기

심층 학습 특화 과정 정보

The Deep Learning Specialization is our foundational program that will help you understand the capabilities, challenges, and consequences of deep learning and prepare you to participate in the development of leading-edge AI technology.

In this Specialization, you will build neural network architectures such as Convolutional Neural Networks, Recurrent Neural Networks, LSTMs, Transformers, and learn how to make them better with strategies such as Dropout, BatchNorm, Xavier/He initialization, and more. You will master these theoretical concepts and their industry applications using Python and TensorFlow. You will tackle real-world case studies such as autonomous driving, sign language reading, music generation, computer vision, speech recognition, and natural language processing. AI is transforming many industries. The Deep Learning Specialization provides a pathway for you to gain the knowledge and skills to apply machine learning to your work, level up your technical career, and take the definitive step in the world of AI. Along the way, you will get career advice from deep learning experts from industry and academia.

자주 묻는 질문

강의 및 과제를 언제 이용할 수 있게 되나요?
강의 및 과제 이용 권한은 등록 유형에 따라 다릅니다. 청강 모드로 강좌를 수강하면 대부분의 강좌 자료를 무료로 볼 수 있습니다. 채점된 과제를 이용하고 수료증을 받으려면 청강 도중 또는 이후에 수료증 경험을 구매해야 합니다. 청강 옵션이 표시되지 않는 경우:
강좌에서 청강 옵션을 제공하지 않을 수 있습니다. 대신 무료 평가판을 사용하거나 재정 지원을 신청할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
Is financial aid available?
예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.
강좌를 수료하면 대학 학점을 받을 수 있나요?
이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위 및 Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.

Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization

이 강좌에 대하여

학습자 경력 결과

29%

28%

11%

귀하가 습득할 기술

학습자 경력 결과

29%

28%

11%

강사

Andrew Ng
최고의 강사

Kian Katanforoosh
최고의 강사

Younes Bensouda Mourri
최고의 강사

제공자:

deeplearning.ai

강의 계획 - 이 강좌에서 배울 내용

주 1

Practical Aspects of Deep Learning

주 2

Optimization Algorithms

주 3

Hyperparameter Tuning, Batch Normalization and Programming Frameworks

검토

IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION의 최상위 리뷰

심층 학습 특화 과정 정보

자주 묻는 질문

인기 온라인 강좌

인기 온라인 전문 분야

온라인 수료증

온라인 학위 프로그램

Coursera

커뮤니티

기타

Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization

이 강좌에 대하여

학습자 경력 결과

29%

28%

11%

귀하가 습득할 기술

학습자 경력 결과

29%

28%

11%

강사

Andrew Ng최고의 강사

Kian Katanforoosh최고의 강사

Younes Bensouda Mourri최고의 강사

제공자:

deeplearning.ai

강의 계획 - 이 강좌에서 배울 내용

주 1

Practical Aspects of Deep Learning

주 2

Optimization Algorithms

주 3

Hyperparameter Tuning, Batch Normalization and Programming Frameworks

검토

IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION의 최상위 리뷰

심층 학습 특화 과정 정보

자주 묻는 질문

Coursera Footer

인기 온라인 강좌

인기 온라인 전문 분야

온라인 수료증

온라인 학위 프로그램

Coursera

커뮤니티

기타

Andrew Ng
최고의 강사

Kian Katanforoosh
최고의 강사

Younes Bensouda Mourri
최고의 강사