이 강좌는 심층 학습 특화 과정의 일부입니다.

Andrew Ng +2명의 강사
최고의 강사

제공자:

심층 학습 특화 과정deeplearning.ai

이 강좌에 대하여

최근 조회 734,662회

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. 
After 3 weeks, you will: 
- Understand industry best-practices for building deep learning applications. 
- Be able to effectively use the common neural network "tricks", including initialization, L2 and dropout regularization, Batch normalization, gradient checking, 
- Be able to implement and apply a variety of optimization algorithms, such as mini-batch gradient descent, Momentum, RMSprop and Adam, and check for their convergence. 
- Understand new best-practices for the deep learning era of how to set up train/dev/test sets and analyze bias/variance
- Be able to implement a neural network in TensorFlow. 

This is the second course of the Deep Learning Specialization.

학습자 경력 결과

32%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

30%

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.

초급 단계

완료하는 데 약 18시간 필요

영어

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

귀하가 습득할 기술

HyperparameterTensorflowHyperparameter OptimizationDeep Learning

학습자 경력 결과

32%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

30%

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.

초급 단계

완료하는 데 약 18시간 필요

영어

강사

강사 평가

4.92/5 (3,075개의 평가)

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

콘텐츠 평가96%(57,308개의 평가)

주

주 1

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

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

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

주

주 2

완료하는 데 5시간 필요

Optimization algorithms

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 algorithms30m

주

주 3

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

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

TensorFlow16m

2개의 읽기 자료

Clarifications about Upcoming Softmax Video1m

Note about TensorFlow 1 and TensorFlow 210m

1개 연습문제

Hyperparameter tuning, Batch Normalization, Programming Frameworks30m

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.

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.

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

32%

30%

11%

귀하가 습득할 기술

학습자 경력 결과

32%

30%

11%

강사

Andrew Ng
최고의 강사

Kian Katanforoosh
최고의 강사

Teaching Assistant - 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