Informações sobre o curso

29,713 visualizações recentes

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

Aprox. 27 horas para completar

Inglês

Legendas: Inglês

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

Aprox. 27 horas para completar

Inglês

Legendas: Inglês

oferecido por

Logotipo de Imperial College London

Imperial College London

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

6 horas para concluir

The Keras functional API

6 horas para concluir
14 vídeos (Total 81 mín.), 5 leituras, 2 testes
14 videos
Interview with Laurence Moroney4min
The Keras functional API5min
Multiple inputs and outputs6min
[Coding tutorial] Multiple inputs and outputs9min
Variables5min
Tensors5min
[Coding tutorial] Variables and Tensors8min
Accessing layer Variables4min
Accessing layer Tensors5min
[Coding tutorial] Accessing model layers8min
Freezing layers4min
[Coding tutorial] Freezing layers7min
Wrap up and introduction to the programming assignment1min
5 leituras
About Imperial College & the team10min
How to be successful in this course10min
Grading policy10min
Additional readings & helpful references10min
Device placement10min
1 exercício prático
[Knowledge check] Transfer learning10min
Semana
2

Semana 2

6 horas para concluir

Data Pipeline

6 horas para concluir
12 vídeos (Total 93 mín.), 1 leitura, 2 testes
12 videos
Keras datasets3min
[Coding tutorial] Keras datasets11min
Dataset generators7min
[Coding tutorial] Dataset generators12min
Keras image data augmentation5min
[Coding tutorial] Keras image data augmentation10min
The Dataset class8min
[Coding tutorial] The Dataset class10min
Training with Datasets7min
[Coding tutorial] Training with Datasets11min
Wrap up and introduction to the programming assignment1min
1 leituras
TensorFlow Datasets10min
1 exercício prático
[Knowledge check] Python generators15min
Semana
3

Semana 3

6 horas para concluir

Sequence Modelling

6 horas para concluir
13 vídeos (Total 92 mín.)
13 videos
Interview with Doug Kelly10min
Preprocessing sequence data7min
[Coding tutorial] The IMDB dataset8min
[Coding tutorial] Padding and masking sequence data7min
The Embedding layer4min
[Coding tutorial] The Embedding layer4min
[Coding tutorial] The Embedding Projector12min
Recurrent neural network layers4min
[Coding tutorial] Recurrent neural network layers9min
Stacked RNNs and the Bidirectional wrapper7min
[Coding tutorial] Stacked RNNs and the Bidirectional wrapper10min
Wrap up and introduction to the programming assignment1min
1 exercício prático
[Knowledge check] Recurrent neural networks15min
Semana
4

Semana 4

6 horas para concluir

Model subclassing and custom training loops

6 horas para concluir
12 vídeos (Total 71 mín.)
12 videos
Model subclassing5min
[Coding tutorial] Model subclassing5min
Custom layers7min
[Coding tutorial] Custom layers10min
Automatic differentiation5min
[Coding tutorial] Automatic differentiation6min
Custom training loops7min
[Coding tutorial] Custom training loops10min
tf.function decorator3min
[Coding tutorial] tf.function decorator5min
Wrap up and introduction to the programming assignment1min

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • Quando você adquire o Certificado, ganha acesso a todo o material do curso, incluindo avaliações com nota atribuída. Após concluir o curso, seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

  • Você poderá pedir reembolso total até duas semanas após a data do pagamento, ou (para cursos recém-iniciados) até duas semanas após o início da primeira sessão do curso, o que ocorrer por último. Você não poderá receber reembolso após obter o Certificado de Curso, mesmo que tenha completado o curso dentro do período de duas semanas. Veja nossa política para o reembolso total.

  • Sim, a Coursera oferece auxílio financeiro aos alunos que não podem pagar a taxa. Faça a solicitação clicando no link Auxílio financeiro, abaixo do botão "Inscreva-se" à esquerda. Você será solicitado a preencher um formulário e será notificado se for aprovado. Saiba mais.

  • Jupyter Notebooks are a third-party tool that some Coursera courses use for programming assignments.

    You can revert your code or get a fresh copy of your Jupyter Notebook mid-assignment. By default, Coursera persistently stores your work within each notebook.

    To keep your old work and also get a fresh copy of the initial Jupyter Notebook, click File, then Make a copy.

    We recommend keeping a naming convention such as “Assignment 1 - Initial” or “Copy” to keep your notebook environment organized. You can also download this file locally.

    Refresh your notebook

    1. Rename your existing Jupyter Notebook within the individual notebook view
    2. In the notebook view, add “?forceRefresh=true” to the end of your notebook URL
    3. Reload the screen
    4. You will be directed to your home Learner Workspace where you’ll see both old and new Notebook files.
    5. Your Notebook lesson item will now launch to the fresh notebook.

    Find missing work

    If your Jupyter Notebook files have disappeared, it means the course staff published a new version of a given notebook to fix problems or make improvements. Your work is still saved under the original name of the previous version of the notebook.

    To recover your work:

    1. Find your current notebook version by checking the top of the notebook window for the title
    2. In your Notebook view, click the Coursera logo
    3. Find and click the name of your previous file

    Unsaved work

    "Kernels" are the execution engines behind the Jupyter Notebook UI. As kernels time out after 90 minutes of notebook activity, be sure to save your notebooks frequently to prevent losing any work. If the kernel times out before the save, you may lose the work in your current session.

    How to tell if your kernel has timed out:

    • Error messages such as "Method Not Allowed" appear in the toolbar area.
    • The last save or auto-checkpoint time shown in the title of the notebook window has not updated recently
    • Your cells are not running or computing when you “Shift + Enter”

    To restart your kernel:

    1. Save your notebook locally to store your current progress
    2. In the notebook toolbar, click Kernel, then Restart
    3. Try testing your kernel by running a print statement in one of your notebook cells. If this is successful, you can continue to save and proceed with your work.
    4. If your notebook kernel is still timed out, try closing your browser and relaunching the notebook. When the notebook reopens, you will need to do "Cell -> Run All" or "Cell -> Run All Above" to regenerate the execution state.
  • Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.