Informações sobre o curso

48,560 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 avançado

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Aprox. 53 horas para completar
Inglês

Habilidades que você terá

Probabilistic Neural NetworkDeep LearningGenerative ModelTensorflowProbabilistic Programming Language (PRPL)
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 avançado

* Python 3

* Knowledge of general machine learning concepts

* Knowledge of the field of deep learning

* Probability and statistics

Aprox. 53 horas para completar
Inglês

oferecido por

Placeholder

Imperial College London

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

12 horas para concluir

TensorFlow Distributions

12 horas para concluir
14 vídeos (Total 92 mín.), 4 leituras, 2 testes
14 videos
Interview with Paige Bailey7min
The TensorFlow Probability library2min
Univariate distributions8min
[Coding tutorial] Univariate distributions6min
Multivariate distributions6min
[Coding tutorial] Multivariate distributions5min
The Independent distribution6min
[Coding tutorial] The Independent distribution12min
Sampling and log probs6min
[Coding tutorial] Sampling and log probs10min
Trainable distributions5min
[Coding tutorial] Trainable distributions11min
Wrap up and introduction to the programming assignment1min
4 leituras
About Imperial College & the team10min
How to be successful in this course10min
Grading policy10min
Additional readings & helpful references10min
1 exercício prático
[Knowledge check] Standard distributions30min
Semana
2

Semana 2

12 horas para concluir

Probabilistic layers and Bayesian neural networks

12 horas para concluir
11 vídeos (Total 110 mín.)
11 videos
The need for uncertainty in deep learning models3min
The DistributionLambda layer7min
[Coding tutorial] The DistributionLambda layer10min
Probabilistic layers9min
[Coding tutorial] Probabilistic layers15min
The DenseVariational layer12min
[Coding tutorial] The DenseVariational layer20min
Reparameterization layers8min
[Coding tutorial] Reparameterization layers19min
Wrap up and introduction to the programming assignment1min
1 exercício prático
Sources of uncertainty30min
Semana
3

Semana 3

13 horas para concluir

Bijectors and normalising flows

13 horas para concluir
12 vídeos (Total 93 mín.)
12 videos
Interview with Doug Kelly10min
Bijectors7min
[Coding tutorial] Bijectors9min
The TransformedDistribution class10min
[Coding tutorial] The Transformed Distribution class8min
Subclassing bijectors5min
[Coding tutorial] Subclassing bijectors9min
Autoregressive flows10min
RealNVP8min
[Coding tutorial] Normalising flows10min
Wrap up and introduction to the programming assignment1min
1 exercício prático
Change of variables formula30min
Semana
4

Semana 4

13 horas para concluir

Variational autoencoders

13 horas para concluir
10 vídeos (Total 77 mín.)
10 videos
Encoders and decoders5min
[Coding tutorial] Encoders and decoders6min
Minimising KL divergence10min
[Coding tutorial] Minimising KL divergence7min
Maximising the ELBO13min
[Coding tutorial] Maximising the ELBO10min
KL divergence layers8min
[Coding tutorial] KL divergence layers10min
Wrap up and introduction to the programming assignment1min
1 exercício prático
Variational autoencoders30min

Sobre Programa de cursos integrados TensorFlow 2 for Deep Learning

TensorFlow 2 for Deep Learning

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.