Acerca de este Curso

44,470 vistas recientes
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel avanzado

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Aprox. 52 horas para completar
Inglés (English)

Habilidades que obtendrás

Probabilistic Neural NetworkDeep LearningGenerative ModelTensorflowProbabilistic Programming Language (PRPL)
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel avanzado

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Aprox. 52 horas para completar
Inglés (English)

ofrecido por

Placeholder

Imperial College London

Programa - Qué aprenderás en este curso

Semana
1

Semana 1

12 horas para completar

TensorFlow Distributions

12 horas para completar
14 videos (Total 92 minutos), 4 lecturas, 2 cuestionarios
14 videos
Interview with Paige Bailey7m
The TensorFlow Probability library2m
Univariate distributions8m
[Coding tutorial] Univariate distributions6m
Multivariate distributions6m
[Coding tutorial] Multivariate distributions5m
The Independent distribution6m
[Coding tutorial] The Independent distribution12m
Sampling and log probs6m
[Coding tutorial] Sampling and log probs10m
Trainable distributions5m
[Coding tutorial] Trainable distributions11m
Wrap up and introduction to the programming assignment1m
4 lecturas
About Imperial College & the team10m
How to be successful in this course10m
Grading policy10m
Additional readings & helpful references10m
1 ejercicio de práctica
[Knowledge check] Standard distributions30m
Semana
2

Semana 2

12 horas para completar

Probabilistic layers and Bayesian neural networks

12 horas para completar
11 videos (Total 110 minutos)
11 videos
The need for uncertainty in deep learning models3m
The DistributionLambda layer7m
[Coding tutorial] The DistributionLambda layer10m
Probabilistic layers9m
[Coding tutorial] Probabilistic layers15m
The DenseVariational layer12m
[Coding tutorial] The DenseVariational layer20m
Reparameterization layers8m
[Coding tutorial] Reparameterization layers19m
Wrap up and introduction to the programming assignment1m
1 ejercicio de práctica
Sources of uncertainty30m
Semana
3

Semana 3

13 horas para completar

Bijectors and normalising flows

13 horas para completar
12 videos (Total 93 minutos)
12 videos
Interview with Doug Kelly10m
Bijectors7m
[Coding tutorial] Bijectors9m
The TransformedDistribution class10m
[Coding tutorial] The Transformed Distribution class8m
Subclassing bijectors5m
[Coding tutorial] Subclassing bijectors9m
Autoregressive flows10m
RealNVP8m
[Coding tutorial] Normalising flows10m
Wrap up and introduction to the programming assignment1m
1 ejercicio de práctica
Change of variables formula30m
Semana
4

Semana 4

13 horas para completar

Variational autoencoders

13 horas para completar
10 videos (Total 77 minutos)
10 videos
Encoders and decoders5m
[Coding tutorial] Encoders and decoders6m
Minimising KL divergence10m
[Coding tutorial] Minimising KL divergence7m
Maximising the ELBO13m
[Coding tutorial] Maximising the ELBO10m
KL divergence layers8m
[Coding tutorial] KL divergence layers10m
Wrap up and introduction to the programming assignment1m
1 ejercicio de práctica
Variational autoencoders30m

Acerca de Programa especializado: TensorFlow 2 for Deep Learning

TensorFlow 2 for Deep Learning

Preguntas Frecuentes

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.