The goal of this course is to give learners basic understanding of modern neural networks and their applications in computer vision and natural language understanding. The course starts with a recap of linear models and discussion of stochastic optimization methods that are crucial for training deep neural networks. Learners will study all popular building blocks of neural networks including fully connected layers, convolutional and recurrent layers.
Este curso forma parte de Programa Especializado - Aprendizaje automático avanzado
ofrecido por
Programa Especializado - Aprendizaje automático avanzadoNational Research University Higher School of EconomicsAcerca de este Curso
489,227 vistas recientes
Resultados profesionales del estudiante
35%
comenzó una nueva carrera después de completar estos cursos
40%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
21%
consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 1 de 7 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel avanzado
Aprox. 34 horas para completar
Inglés (English)
Subtítulos: Inglés (English), Coreano
Habilidades que obtendrás
Recurrent Neural NetworkTensorflowConvolutional Neural NetworkDeep Learning
Resultados profesionales del estudiante
35%
comenzó una nueva carrera después de completar estos cursos
40%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
21%
consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 1 de 7 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel avanzado
Aprox. 34 horas para completar
Inglés (English)
Subtítulos: Inglés (English), Coreano
ofrecido por
National Research University Higher School of Economics
National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more.
Programa - Qué aprenderás en este curso
6 horas para completar
Introduction to optimization
Welcome to the "Introduction to Deep Learning" course! In the first week you'll learn about linear models and stochatic optimization methods. Linear models are basic building blocks for many deep architectures, and stochastic optimization is used to learn every model that we'll discuss in our course.
6 horas para completar
10 videos (Total 64 minutos), 3 lecturas, 3 cuestionarios
10 videos
Welcome to AML specialization!2m
Course intro6m
Linear regression9m
Linear classification10m
Gradient descent5m
Overfitting problem and model validation6m
Model regularization5m
Stochastic gradient descent5m
Gradient descent extensions9m
3 lecturas
About the University10m
Welcome!5m
Hardware for the course10m
2 ejercicios de práctica
Linear models30m
Overfitting and regularization30m
5 horas para completar
Introduction to neural networks
This module is an introduction to the concept of a deep neural network. You'll begin with the linear model and finish with writing your very first deep network.
5 horas para completar
9 videos (Total 85 minutos), 3 lecturas, 4 cuestionarios
9 videos
Chain rule7m
Backpropagation9m
Efficient MLP implementation13m
Other matrix derivatives5m
What is TensorFlow10m
Our first model in TensorFlow10m
What Deep Learning is and is not8m
Deep learning as a language6m
3 lecturas
Optional reading on matrix derivatives1m
TensorFlow reading1m
Keras reading1m
2 ejercicios de práctica
Multilayer perceptron10m
Matrix derivatives20m
6 horas para completar
Deep Learning for images
In this week you will learn about building blocks of deep learning for image input. You will learn how to build Convolutional Neural Network (CNN) architectures with these blocks and how to quickly solve a new task using so-called pre-trained models.
6 horas para completar
6 videos (Total 59 minutos)
6 videos
Our first CNN architecture10m
Training tips and tricks for deep CNNs14m
Overview of modern CNN architectures8m
Learning new tasks with pre-trained CNNs5m
A glimpse of other Computer Vision tasks8m
1 ejercicio de práctica
Convolutions and pooling30m
5 horas para completar
Unsupervised representation learning
This week we're gonna dive into unsupervised parts of deep learning. You'll learn how to generate, morph and search images with deep learning.
5 horas para completar
9 videos (Total 81 minutos)
9 videos
Autoencoders 1015m
Autoencoder applications9m
Autoencoder applications: image generation, data visualization & more7m
Natural language processing primer10m
Word embeddings13m
Generative models 1017m
Generative Adversarial Networks10m
Applications of adversarial approach11m
1 ejercicio de práctica
Word embeddings30m
Revisiones
Principales revisiones sobre INTRODUCTION TO DEEP LEARNING
por DK19 de sep. de 2019
one of the excellent courses in deep learning. As stated its advanced and enjoyed a lot in solving the assignments. looking forward for more such courses especially in Natural language processing
por MO16 de dic. de 2017
I found the content to be interesting and on a good level of advancement, but I also found the exercises to be buggy sometimes or not well thought, which cost a lot of extra time spent on it.
por AK1 de jun. de 2019
one of the best courses I have attended. clear explanation, clear examples, amazing quizzes & Programming Assignment this course is advanced level, don't enroll it if you are a new starter.
por YA24 de sep. de 2019
Great course. Even though I've done Andrew Ng's ML course twice and completed his Deep Learning Specialization, I learned a lot of new things in this Intro Course of AML specialization.
Acerca de Programa especializado: Aprendizaje automático avanzado
This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
- es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
- Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Cuál es la política de reembolsos?
Si estás suscrito, obtienes una prueba gratis de 7 días, que podrás cancelar cuando desees sin ningún tipo de penalidad. Una vez transcurrido ese tiempo, no realizamos reembolsos. No obstante, puedes cancelar tu suscripción cuando quieras. Consulta nuestra política completa de reembolsos.
¿Hay ayuda económica disponible?
Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el enlace de Ayuda económica que está debajo del botón “Inscribirse” a la izquierda. Se te pedirá que completes una solicitud. Recibirás una notificación en caso de que se apruebe. Deberás completar este paso para cada uno de los cursos que forman parte del Programa especializado, incluido el proyecto final. Obtén más información.
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
