• Duración:
    16 semanas
  • Dedicación:
    6–9 horas por semana
  • Precio:

    GRATIS
    Agregar un Certificado Verificado por $2,250 USD

  • Institución
  • Tema:
  • Nivel:
    Advanced
  • Idioma:
    English
  • Transcripción de video:
    English
  • Tipo de curso:
    Al ritmo del instructor

Prerrequisitos

Knowledge of probabilistic methods in electrical and computer engineering (ECE 302 at Purdue) and undergraduate linear algebra.

Sobre este curso

Omitir Sobre este curso

This 3-credit-hour, 16-week course covers the fundamentals of deep learning. Students will gain a principled understanding of the motivation, justification, and design considerations of the deep neural network approach to machine learning and will complete hands-on projects using TensorFlow and Keras.

Lo que aprenderás

Omitir Lo que aprenderás
  • Justify the development state-of-the-art deep learning algorithms.
  • Make design choices regarding the construction of deep learning algorithms.
  • Implement, optimize and tune state-of-the-art deep neural network architectures.
  • Identify and address the security aspects of state-of-the-art deep learning algorithms.
  • Examine open research problems in deep learning and propose approaches in the literature to tackle them.

Plan de estudios

Omitir Plan de estudios

Module 1: Introduction to Deep Feedforward Networks

    • Gradient-based learning
    • Sigmoidal output units
    • Back propagation

Module 2: Regularization for Deep Learning

    • Regularization strategies
    • Noise injection
    • Ensemble methods
    • Dropout

Module 3: Optimization for Training Deep Models

    • Optimization algorithms: Gradient, Hessian-Free, Newton
    • Momentum
    • Batch normalization

Module 4: Convolutional Neural Networks

    • Convolutional kernels
    • Downsampled convolution
    • Zero padding
    • Backpropagating convolution

Module 5: Recurrent Neural Networks

    • Recurrence relationship & recurrent networks
    • Long short-term memory (LSTM)
    • Back propagation through time (BPTT)
    • Gated and simple recurrent units
    • Neural Turing machine (NTM)

Conoce a tus instructores

Aly El Gamal
Assistant Professor, Electrical and Computer Engineering
Purdue University

Obtén un Certificado Verificado para destacar los conocimientos y las habilidades que adquieras
$2,250 USD

Ver un modelo de certificado de edX en PDF
  • Oficial y verificado

    Obtén un certificado con la firma del instructor y el logotipo de la institución para demostrar tus logros y aumentar las posibilidades de conseguir trabajo

  • Fácil de compartir

    Agrega el certificado a tu currículum o publícalo directamente en LinkedIn

  • Incentivo comprobado

    El certificado te da un motivo más para completar el curso

  • Apoya nuestra labor

    edX, una organización sin fines de lucro, se sustenta con los certificados verificados para financiar la educación gratuita para todo el mundo

¿Quién puede hacer este curso?

Lamentablemente, las personas de uno o más de los siguientes países o regiones no podrán registrarse para este curso: Irán, Cuba y la región de Crimea en Ucrania. Si bien edX consiguió licencias de la Oficina de Control de Activos Extranjeros de los EE. UU. (U.S. Office of Foreign Assets Control, OFAC) para ofrecer nuestros cursos a personas en estos países y regiones, las licencias que hemos recibido no son lo suficientemente amplias como para permitirnos dictar este curso en todas las ubicaciones. edX lamenta profundamente que las sanciones estadounidenses impidan que ofrezcamos todos nuestros cursos a cualquier persona, sin importar dónde viva.