The course will teach you how to develop deep learning models using Pytorch. The course will start with Pytorch's tensors and Automatic differentiation package. Then each section will cover different models starting off with fundamentals such as Linear Regression, and logistic/softmax regression. Followed by Feedforward deep neural networks, the role of different activation functions, normalization and dropout layers. Then Convolutional Neural Networks and Transfer learning will be covered. Finally, several other Deep learning methods will be covered.
제공자:
이 강좌에 대하여
최근 조회 302,421회
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 6개 강좌 중 4번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 30시간 필요
영어
자막: 영어
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 6개 강좌 중 4번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 30시간 필요
영어
자막: 영어
제공자:
IBM
IBM offers a wide range of technology and consulting services; a broad portfolio of middleware for collaboration, predictive analytics, software development and systems management; and the world's most advanced servers and supercomputers. Utilizing its business consulting, technology and R&D expertise, IBM helps clients become "smarter" as the planet becomes more digitally interconnected. IBM invests more than $6 billion a year in R&D, just completing its 21st year of patent leadership. IBM Research has received recognition beyond any commercial technology research organization and is home to 5 Nobel Laureates, 9 US National Medals of Technology, 5 US National Medals of Science, 6 Turing Awards, and 10 Inductees in US Inventors Hall of Fame.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 5시간 필요
Tensor and Datasets
완료하는 데 5시간 필요
6개 동영상 (총 44분), 1 개의 읽기 자료, 11 개의 테스트
6개의 동영상
1.1 Tensors 1D13m
1.2 Two-Dimensional Tensors9m
Differentiation in PyTorch5m
1.3 Simple Dataset7m
1.5 Dataset4m
1개의 읽기 자료
Labs10m
5개 연습문제
1.1 Tensors 1D5m
1.2 Two-Dimensional Tensors5m
1.3 Derivatives in PyTorch5m
Simple Dataset5m
Datasets10m
완료하는 데 2시간 필요
Linear Regression
완료하는 데 2시간 필요
7개 동영상 (총 35분)
7개의 동영상
2.1 Linear Regression Training3m
Loss3m
Gradient Descent4m
Cost3m
Linear Regression PyToch5m
PyTorch Linear Regression Training Slope and Bias5m
7개 연습문제
Prediction in One Dimension5m
Linear Regression Training5m
Loss5m
Gradient Descent5m
Cost5m
Training Parameters in PyTorch5m
PyTorch Linear Regression Training Slope and Bias5m
완료하는 데 3시간 필요
Linear Regression PyTorch Way
완료하는 데 3시간 필요
5개 동영상 (총 21분)
5개의 동영상
Mini-Batch Gradient Descent3m
Optimization in PyTorch3m
Training, Validation and Test Split4m
Training, Validation and Test Split PyTorch3m
4개 연습문제
Quiz: Stochastic Gradient Descent5m
Mini-Batch Gradient Descent5m
3.3 Optimization in PyTorch5m
Training and Validation Data PyTorch5m
완료하는 데 2시간 필요
Multiple Input Output Linear Regression
완료하는 데 2시간 필요
4개 동영상 (총 18분)
4개의 동영상
Multiple Linear Regression Training2m
Linear Regression Multiple Outputs5m
Multiple Output Linear Regression Training1m
2개 연습문제
Multiple Linear Regression Prediction5m
Multiple Output Linear Regression5m
완료하는 데 2시간 필요
Logistic Regression for Classification
완료하는 데 2시간 필요
4개 동영상 (총 31분)
4개의 동영상
5.1 Logistic Regression: Prediction6m
Bernoulli Distribution and Maximum Likelihood Estimation5m
Logistic Regression Cross Entropy Loss10m
5개 연습문제
5.0 Linear Classifiers5m
5.0 Linear Classifiers5m
5.1 Logistic Regression: Prediction10m
Bernoulli Distribution and Maximum Likelihood Estimation5m
5.3 Logistic Regression Cross Entropy Loss10m
완료하는 데 2시간 필요
Softmax Rergresstion
완료하는 데 2시간 필요
3개 동영상 (총 18분)
3개 연습문제
6.1 Softmax Function:Using Lines to Classify Data5m
6.2 Softmax Prediction5m
6.3 Softmax PyTorch Quizz5m
완료하는 데 3시간 필요
Shallow Neural Networks
완료하는 데 3시간 필요
6개 동영상 (총 33분)
6개의 동영상
More Hidden Neurons2m
Neural Networks with Multiple Dimensional Input5m
7.4 Multi-Class Neural Networks5m
7.5 Backpropagation5m
7.5 Activation Functions4m
6개 연습문제
Neural Networks5m
More Hidden Neurons 5m
Neural Networks with Multiple Dimensional Inputs5m
Multi-Class Neural Networks5m
Backpropagation5m
Activation Functions5m
IBM AI Engineering 전문 자격증 정보
The rapid pace of innovation in Artificial Intelligence (AI) is creating enormous opportunity for transforming entire industries and our very existence. After competing this comprehensive 6 course Professional Certificate, you will get a practical understanding of Machine Learning and Deep Learning.
You will master fundamental concepts of Machine Learning and Deep Learning, including supervised and unsupervised learning. You will utilize popular Machine Learning and Deep Learning libraries such as SciPy, ScikitLearn, Keras, PyTorch, and Tensorflow applied to industry problems involving object recognition and Computer Vision, image and video processing, text analytics, Natural Language Processing, recommender systems, and other types of classifiers.
You will be able to scale Machine Learning on Big Data using Apache Spark. You will build, train, and deploy different types of Deep Architectures, including Convolutional Networks, Recurrent Networks, and Autoencoders.
By the end of this Professional Certificate, you will have completed several projects showcasing your proficiency in Machine Learning and Deep Learning, and become armed with skills for a career as an AI Engineer.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
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.
이 수료 과정을 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 수료 과정의 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.
환불 규정은 어떻게 되나요?
구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.
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.
