課程信息

47,287 次近期查看

學生職業成果

23%

完成這些課程後已開始新的職業生涯

38%

通過此課程獲得實實在在的工作福利

57%

加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 3 門課程(共 4 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
高級
完成時間大約為24 小時
英語(English)

您將獲得的技能

Machine LearningDeep LearningLong Short-Term Memory (ISTM)Apache Spark

學生職業成果

23%

完成這些課程後已開始新的職業生涯

38%

通過此課程獲得實實在在的工作福利

57%

加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 3 門課程(共 4 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
高級
完成時間大約為24 小時
英語(English)

提供方

Placeholder

IBM

教學大綱 - 您將從這門課程中學到什麼

內容評分Thumbs Up85%(3,255 個評分)Info
1

1

完成時間為 5 小時

Introduction to deep learning

完成時間為 5 小時
16 個視頻 (總計 61 分鐘), 4 個閱讀材料, 2 個測驗
16 個視頻
Introduction - Romeo Kienzler30
Introduction - Ilja Rasin1分鐘
Introduction - Niketan Pansare30
Course Logistics1分鐘
Cloud Architectures for AI and DeepLearning2分鐘
Linear algebra6分鐘
Deep feed forward neural networks12分鐘
Convolutional Neural Networks4分鐘
Recurrent neural networks1分鐘
LSTMs3分鐘
Auto encoders and representation learning2分鐘
Methods for neural network training8分鐘
Gradient Descent Updater Strategies6分鐘
How to choose the correct activation function3分鐘
The bias-variance tradeoff in deep learning3分鐘
4 個閱讀材料
IBM Digital Badge10分鐘
Video summary on environment setup10分鐘
Where to get all the code and slides for download?10分鐘
Link to Github10分鐘
1 個練習
DeepLearning Fundamentals30分鐘
2

2

完成時間為 7 小時

DeepLearning Frameworks

完成時間為 7 小時
18 個視頻 (總計 116 分鐘), 1 個閱讀材料, 5 個測驗
18 個視頻
Neural Network Debugging with TensorBoard7分鐘
Automatic Differentiation2分鐘
Introduction video44
Keras overview5分鐘
Sequential models in keras6分鐘
Feed forward networks7分鐘
Recurrent neural networks9分鐘
Beyond sequential models: the functional API3分鐘
Saving and loading models2分鐘
What is SystemML (1/2)3分鐘
What is SystemML (2/2)6分鐘
PyTorch Installation2分鐘
PyTorch Packages2分鐘
Tensor Creation and Visualization of Higher Dimensional Tensors6分鐘
Math Computation and Reshape7分鐘
Computation Graph, CUDA17分鐘
Linear Model17分鐘
1 個閱讀材料
Link to files in Github10分鐘
4 個練習
TensorFlow30分鐘
TensorFlow 2.x12分鐘
Apache SystemML12分鐘
PyTorch Introduction30分鐘
3

3

完成時間為 7 小時

DeepLearning Applications

完成時間為 7 小時
18 個視頻 (總計 115 分鐘)
18 個視頻
How to implement an anomaly detector (1/2)11分鐘
How to implement an anomaly detector (2/2)2分鐘
How to deploy a real-time anomaly detector2分鐘
Introduction to Time Series Forecasting4分鐘
Stateful vs. Stateless LSTMs6分鐘
Batch Size5分鐘
Number of Time Steps, Epochs, Training and Validation8分鐘
Trainin Set Size4分鐘
Input and Output Data Construction7分鐘
Designing the LSTM network in Keras10分鐘
Anatomy of a LSTM Node12分鐘
Number of Parameters7分鐘
Training and loading a saved model4分鐘
Classifying the MNIST dataset with Convolutional Neural Networks5分鐘
Image classification with Imagenet and Resnet503分鐘
Autoencoder - understanding Word2Vec8分鐘
Text Classification with Word Embeddings4分鐘
4 個練習
Anomaly Detection30分鐘
Sequence Classification with Keras LSTM Network30分鐘
Image Classification30分鐘
NLP30分鐘
4

4

完成時間為 4 小時

Scaling and Deployment

完成時間為 4 小時
3 個視頻 (總計 9 分鐘), 2 個閱讀材料, 2 個測驗
3 個視頻
Computer Vision with IBM Watson Visual Recognition2分鐘
Text Classification with IBM Watson Natural Language Classifier1分鐘
2 個閱讀材料
Exercise: Scale a Deep Learning Model on IBM Watson Machine Learning10分鐘
Link to Github10分鐘
1 個練習
Methods of parallel neural network training6分鐘

審閱

來自APPLIED AI WITH DEEPLEARNING的熱門評論

查看所有評論

關於 Advanced Data Science with IBM 專項課程

Advanced Data Science with IBM

常見問題

還有其他問題嗎?請訪問 學生幫助中心