About this Course
최근 조회 688,070

다음 전문 분야의 5개 강좌 중 2번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

초급 단계

완료하는 데 약 14시간 필요

권장: 3 weeks, 3-6 hours per week...

영어

자막: 중국어 (번체자), 중국어 (간체자), 한국어, 터키어, 영어, 스페인어...

귀하가 습득할 기술

HyperparameterTensorflowHyperparameter OptimizationDeep Learning
Course을(를) 수강하는 학습자
  • Data Scientists
  • Machine Learning Engineers
  • Biostatisticians
  • Scientists
  • Researchers

다음 전문 분야의 5개 강좌 중 2번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

초급 단계

완료하는 데 약 14시간 필요

권장: 3 weeks, 3-6 hours per week...

영어

자막: 중국어 (번체자), 중국어 (간체자), 한국어, 터키어, 영어, 스페인어...

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 8시간 필요

Practical aspects of Deep Learning

15개 동영상 (총 131분), 3 readings, 4 quizzes
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 learning20m
2
완료하는 데 4시간 필요

Optimization algorithms

11개 동영상 (총 92분), 2 readings, 2 quizzes
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 algorithms20m
3
완료하는 데 5시간 필요

Hyperparameter tuning, Batch Normalization and Programming Frameworks

11개 동영상 (총 104분), 1 reading, 2 quizzes
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
1개의 읽기 자료
Clarifications about Upcoming Softmax Video1m
1개 연습문제
Hyperparameter tuning, Batch Normalization, Programming Frameworks20m
4.9
4040개의 리뷰Chevron Right

40%

이 강좌를 수료한 후 새로운 경력 시작하기

36%

이 강좌를 통해 확실한 경력상 이점 얻기

12%

급여 인상 또는 승진하기

Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization의 최상위 리뷰

대학: XGOct 31st 2017

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.

대학: CVDec 24th 2017

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\n\nThanks.

강사

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

deeplearning.ai 정보

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

심층 학습 전문 분야 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. 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....
심층 학습

자주 묻는 질문

  • 강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.

  • 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.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.