Le Deep learning révolutionne de nombreux domaines, notamment la vision par ordinateur, le traitement du langage naturel et la robotique. En outre, Keras, une API de réseaux neurones de haut niveau écrite en Python, est devenue un élément essentiel de TensorFlow, rendant l'apprentissage profond accessible et simple. La maîtrise de ces techniques ouvrira de nombreuses perspectives dans la recherche et l'industrie.

Deep learning avec Keras et Tensorflow
Saisissez l'occasion de faire des économies ! Bénéficiez de 40 % de réduction sur 3 mois de Coursera Plus et d'un accès complet à des milliers de cours.

Deep learning avec Keras et Tensorflow
Ce cours fait partie de plusieurs programmes.



Instructeurs : Samaya Madhavan
54 877 déjà inscrits
Inclus avec
1,024 avis
Expérience recommandée
Ce que vous apprendrez
Créer des couches et des modèles personnalisés dans Keras et intégrer Keras à TensorFlow 2.x
Développer des réseaux neuronaux convolutifs (CNN) avancés à l'aide de Keras
Modélisation des Transformateurs pour les données séquentielles et la prédiction des séries chronologiques
Expliquer les concepts clés de l'Apprentissage non supervisé dans Keras, des réseaux Q profonds (DQN) et de l'apprentissage par renforcement
Compétences que vous acquerrez
- Catégorie : Deep Learning
- Catégorie : Computer Vision
- Catégorie : Unsupervised Learning
- Catégorie : Reinforcement Learning
- Catégorie : Recurrent Neural Networks (RNNs)
- Catégorie : Model Evaluation
- Catégorie : Performance Tuning
- Catégorie : Transfer Learning
- Catégorie : Convolutional Neural Networks
Outils que vous découvrirez
- Catégorie : Generative Adversarial Networks (GANs)
- Catégorie : Keras (Neural Network Library)
- Catégorie : Autoencoders
- Catégorie : Tensorflow
Détails à connaître

Ajouter à votre profil LinkedIn
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable auprès de IBM

Il y a 7 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs



Offert par
En savoir plus sur Apprentissage automatique
Statut : Essai gratuit
Statut : Essai gratuit
Statut : Essai gratuit
Statut : Essai gratuit
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
65,10 %
- 4 stars
21,05 %
- 3 stars
7,69 %
- 2 stars
2,92 %
- 1 star
3,21 %
Affichage de 3 sur 1024
Révisé le 25 juil. 2020
Nice course to introduce you to more advanced neural network algorithms, I wish the evaluations were more challenging and based on practical exercises... there is no final assignment either.
Révisé le 17 mai 2020
It would have been nice if the video tutorials would explain the code section as well, and if there would have been some in-depth teaching of the code part. But this course did benefit.
Révisé le 23 févr. 2022
I expected some more explaination for the concepts. However from tensorflow website, more could be learnt.

Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Plus de questions
Aide financière disponible,
¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.





