Introduction to Deep Learning provides a rigorous, concept-driven introduction to the models that power modern AI systems—from image recognition to large language models. You’ll build neural networks from first principles, understanding how forward passes, loss functions, and backpropagation enable learning. As the course progresses, you’ll train and regularize deep models, design convolutional networks for vision, model sequences with RNNs, LSTMs, and attention, and apply transformer-based architectures such as BERT, GPT, and Vision Transformers. You will also look at the latest trends in contrastive learning and CLIP. By combining mathematical foundations with practical application, this course equips you to understand, train, and use deep learning models with confidence.
Erwerben Sie mit Coursera Plus für 199 $ (regulär 399 $) das nächste Level. Jetzt sparen.
Introduction to Deep Learning
Dieser Kurs ist Teil von Spezialisierung für Machine Learning: Theory and Hands-on Practice with Python
Dozent: Daniel E. Acuna
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Explain the mathematical foundations of neural networks and how they learn from data.
Train and regularize deep neural networks for effective generalization.
Design and apply specialized neural network architectures for images and sequences.
Apply transformer-based and multimodal models to real-world scenarios.
Kompetenzen, die Sie erwerben
- Kategorie: Network Architecture
- Kategorie: Keras (Neural Network Library)
- Kategorie: Recurrent Neural Networks (RNNs)
- Kategorie: Large Language Modeling
- Kategorie: PyTorch (Machine Learning Library)
- Kategorie: Embeddings
- Kategorie: Vision Transformer (ViT)
- Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
Januar 2026
6 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 5 Module
Welcome to Introduction to Deep Learning. This module builds the mathematical foundations of neural networks. Starting from linear models, you will learn about the artificial neuron and develop the mathematics of gradient descent and backpropagation. The focus is on understanding how and why neural networks work through the underlying math—covering the forward pass, loss functions, and the chain rule to show how information flows through networks and how they learn from data.
Das ist alles enthalten
15 Videos5 Lektüren2 Aufgaben1 Programmieraufgabe
This module focuses on training neural networks effectively. Topics include optimization algorithms, hyperparameter tuning, and regularization techniques to prevent overfitting and achieve good generalization. You will compare different optimizers like SGD, momentum, and Adam, understand how learning rate and batch size affect training dynamics, and apply weight decay, dropout, early stopping, and batch normalization.
Das ist alles enthalten
7 Videos2 Lektüren1 Aufgabe1 Programmieraufgabe
This module introduces you to convolutional neural networks (CNNs), the foundation of modern computer vision. Topics include how convolutional and pooling layers work, CNN architecture design, and practical techniques like data augmentation and transfer learning. The module covers classic architectures like VGG and ResNet and explains why CNNs outperform fully-connected networks on image data.
Das ist alles enthalten
7 Videos2 Lektüren1 Aufgabe1 Programmieraufgabe
This module covers sequence modeling, starting with recurrent neural networks (RNNs) and long short-term memory networks (LSTMs), then progressing to the attention mechanism—the key innovation that led to transformers. Topics include how RNNs maintain hidden states across time steps, why the vanishing gradient problem motivated LSTMs, and how attention allows models to focus on relevant parts of their input.
Das ist alles enthalten
7 Videos1 Lektüre1 Aufgabe1 Programmieraufgabe
This final module covers the transformer architecture, which has revolutionized deep learning across domains. Topics include BERT and GPT as encoder-only and decoder-only variants, Vision Transformers (ViT) that apply attention to images, and CLIP for multimodal learning connecting vision and language. The module emphasizes applying pre-trained models to real tasks.
Das ist alles enthalten
8 Videos1 Lektüre1 Aufgabe1 Programmieraufgabe
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent
Mehr von Machine Learning entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser TestzeitraumUniversity of Colorado Boulder
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.
Weitere Fragen
Finanzielle Unterstützung verfügbar,