Informações sobre o curso

90,403 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. 25 horas para completar
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. 25 horas para completar
Inglês

oferecido por

Placeholder

Universidade Duke

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up96%(4,923 classificações)Info
Semana
1

Semana 1

7 horas para concluir

Simple Introduction to Machine Learning

7 horas para concluir
23 vídeos (Total 163 mín.), 1 leitura, 10 testes
23 videos
What Is Machine Learning?5min
Logistic Regression9min
Interpretation of Logistic Regression9min
Motivation for Multilayer Perceptron4min
Multilayer Perceptron Concepts5min
Multilayer Perceptron Math Model6min
Deep Learning6min
Example: Document Analysis3min
Interpretation of Multilayer Perceptron9min
Transfer Learning5min
Model Selection7min
Early History of Neural Networks14min
Hierarchical Structure of Images6min
Convolution Filters9min
Convolutional Neural Network3min
CNN Math Model6min
How the Model Learns8min
Advantages of Hierarchical Features4min
CNN on Real Images9min
Applications in Use and Practice10min
Deep Learning and Transfer Learning7min
Introduction to PyTorch3min
1 leituras
Math for Data Science10min
10 exercícios práticos
Intro to Machine Learning8min
Logistic Regression8min
Multilayer Perceptron8min
Deep Learning8min
Model Selection8min
History of Neural Networks8min
CNN Concepts10min
CNN Math Model4min
Applications In Use and Practice
Week 1 Comprehensive
Semana
2

Semana 2

4 horas para concluir

Basics of Model Learning

4 horas para concluir
6 vídeos (Total 44 mín.)
6 videos
How Do We Evaluate Our Networks?12min
How Do We Learn Our Network?7min
How Do We Handle Big Data?10min
Early Stopping2min
Model Learning with PyTorch1min
3 exercícios práticos
Lesson One30min
Lesson 230min
Week 2 Comprehensive
Semana
3

Semana 3

4 horas para concluir

Image Analysis with Convolutional Neural Networks

4 horas para concluir
8 vídeos (Total 45 mín.)
8 videos
Breakdown of the Convolution (1D and 2D)8min
Core Components of the Convolutional Layer7min
Activation Functions4min
Pooling and Fully Connected Layers4min
Training the Network6min
Transfer Learning and Fine-Tuning4min
CNN with PyTorch45s
4 exercícios práticos
Lesson One10min
Lesson 230min
Lesson 330min
Week 3 Comprehensive
Semana
4

Semana 4

5 horas para concluir

Recurrent Neural Networks for Natural Language Processing

5 horas para concluir
13 vídeos (Total 136 mín.)
13 videos
Words to Vectors7min
Example of Word Embeddings11min
Neural Model of Text14min
The Softmax Function7min
Methods for Learning Model Parameters9min
More Details on How to Learn Model Parameters6min
The Recurrent Neural Network11min
Long Short-Term Memory20min
Long Short-Term Memory Review11min
Use of LSTM for Text Synthesis9min
Simple and Effective Alternative Methods for Neural NLP15min
Natural Language Processing with PyTorch48s
4 exercícios práticos
Lesson 12min
Lesson 22min
Lesson 32min
Week 4 Comprehensive30min

Avaliações

Principais avaliações do INTRODUCTION TO MACHINE LEARNING

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.