This course will teach you the "magic" of getting deep learning to work well. Rather than the deep learning process being a black box, you will understand what drives performance, and be able to more systematically get good results. You will also learn TensorFlow.
제공자:
심층 학습 특화 과정deeplearning.ai이 강좌에 대하여
최근 조회 986,699회
학습자 경력 결과
41%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
37%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
12%
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:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
초급 단계
완료하는 데 약 18시간 필요
영어
자막: 중국어 (번체자), 프랑스어, 중국어 (간체자), 포르투갈어 (브라질), 한국어, 러시아어, 터키어, 영어, 스페인어
귀하가 습득할 기술
HyperparameterTensorflowHyperparameter OptimizationDeep Learning
학습자 경력 결과
41%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
37%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
12%
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:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
초급 단계
완료하는 데 약 18시간 필요
영어
자막: 중국어 (번체자), 프랑스어, 중국어 (간체자), 포르투갈어 (브라질), 한국어, 러시아어, 터키어, 영어, 스페인어
제공자:
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 8시간 필요
Practical aspects of Deep Learning
완료하는 데 8시간 필요
15개 동영상 (총 131분), 3 개의 읽기 자료, 4 개의 테스트
15개의 동영상
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
3개의 읽기 자료
Clarification about Upcoming Regularization Video1m
Clarification about Upcoming Understanding dropout Video1m
Clarification about Upcoming Normalizing Inputs Video1m
1개 연습문제
Practical aspects of deep learning30m
완료하는 데 5시간 필요
Optimization algorithms
완료하는 데 5시간 필요
11개 동영상 (총 92분), 2 개의 읽기 자료, 2 개의 테스트
11개의 동영상
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 algorithms30m
완료하는 데 5시간 필요
Hyperparameter tuning, Batch Normalization and Programming Frameworks
완료하는 데 5시간 필요
11개 동영상 (총 104분), 2 개의 읽기 자료, 2 개의 테스트
11개의 동영상
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
TensorFlow16m
2개의 읽기 자료
Clarifications about Upcoming Softmax Video1m
Note about TensorFlow 1 and TensorFlow 210m
1개 연습문제
Hyperparameter tuning, Batch Normalization, Programming Frameworks30m
검토
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
CV 제공2017년 12월 23일
Exceptional Course, the Hyper parameters explanations are excellent every tip and advice provided help me so much to build better models, I also really liked the introduction of Tensor Flow Thanks.
NA 제공2020년 1월 13일
After completion of this course I know which values to look at if my ML model is not performing up to the task. It is a detailed but not too complicated course to understand the parameters used by ML.
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.
심층 학습 특화 과정 정보
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.
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.
