Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
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
Il y a 4 modules dans ce cours
Dans le quatrième cours de la Specialization Deep Learning, vous comprendrez comment la vision par ordinateur a évolué et vous vous familiariserez avec ses applications passionnantes telles que la conduite autonome, la reconnaissance faciale, la lecture d'images radiologiques, et plus encore. À la fin, vous serez en mesure de construire un réseau neuronal convolutif, y compris des variations récentes telles que les réseaux résiduels ; appliquer les réseaux convolutifs à des tâches de détection et de reconnaissance visuelles ; et utiliser le transfert de style neuronal pour générer de l'art et appliquer ces algorithmes à une variété d'images, de vidéos et d'autres données en 2D ou en 3D.
La Specializations en apprentissage profond est notre programme fondamental qui vous aidera à comprendre les capacités, les défis et les conséquences de l'apprentissage profond et vous préparera à participer au développement d'une technologie d'IA de pointe. Il vous permet d'acquérir les connaissances et les compétences nécessaires pour appliquer l'apprentissage automatique à votre travail, de faire évoluer votre carrière technique et de franchir une étape décisive dans le monde de l'IA.
Implémentez les couches fondamentales des CNN (pooling, convolutions) et empilez-les correctement dans un réseau profond pour résoudre les problèmes de classification d'images multi-classes.
Inclus
12 vidéos6 lectures1 devoir2 devoirs de programmation
Afficher les informations sur le contenu du module
12 vidéos•Total 140 minutes
Vision par ordinateur•6 minutes
Exemple de détection des bords•12 minutes
Plus de détection des bords•8 minutes
Rembourrage•10 minutes
Convolutions enjambées•9 minutes
Convolutions sur le volume•11 minutes
Une couche d'un réseau convolutif•16 minutes
Exemple de réseau convolutionnel simple•9 minutes
Mise en commun des couches•10 minutes
Exemple de CNN•13 minutes
Pourquoi des convolutions ?•10 minutes
Interview de Yann LeCun•28 minutes
6 lectures•Total 11 minutes
Rejoignez le forum DeepLearning.IA pour poser des questions, obtenir du soutien ou partager des idées étonnantes !•2 minutes
Clarifications concernant la prochaine vidéo d'exemple sur les réseaux convolutifs simples•1 minute
Précisions sur la prochaine vidéo d'exemple de CNN•1 minute
Clarifications sur les prochains Pourquoi des convolutions ?•1 minute
Notes de cours W1•1 minute
(Facultatif) Téléchargement de votre ordinateur portable, Téléchargement de votre espace de travail et Actualisation de votre espace de travail•5 minutes
1 devoir•Total 50 minutes
Les bases des ConvNets•50 minutes
2 devoirs de programmation•Total 360 minutes
Modèle convolutif, étape par étape•180 minutes
Application du modèle de convolution•180 minutes
Modèles convolutionnels profonds : Études de cas
Semaine 2•9 heures à terminer
Détails du module
Découvrez des astuces et des méthodes pratiques et puissantes utilisées dans les CNN profonds, directement à partir des documents de recherche, puis appliquez l'apprentissage par transfert à votre propre CNN profond.
Inclus
14 vidéos3 lectures1 devoir2 devoirs de programmation
Afficher les informations sur le contenu du module
14 vidéos•Total 127 minutes
Pourquoi des études de cas ?•3 minutes
Réseaux classiques•18 minutes
ResNets•7 minutes
Pourquoi les ResNets fonctionnent-ils ?•9 minutes
Réseaux dans les réseaux et convolutions 1x1•6 minutes
Réseau de départ Motivation•10 minutes
Réseau Inception•9 minutes
MobileNet•16 minutes
Architecture de MobileNet•9 minutes
EfficientNet•4 minutes
Utilisation de la mise en œuvre des logiciels libres•5 minutes
Apprentissage par transfert•9 minutes
Augmentation des données•10 minutes
État de la vision par ordinateur•13 minutes
3 lectures•Total 3 minutes
Précisions sur la prochaine vidéo de motivation du réseau Inception•1 minute
Notes de cours W2•1 minute
Note sur la prochaine mission de programmation - Réseaux résiduels•1 minute
1 devoir•Total 50 minutes
Modèles convolutionnels profonds•50 minutes
2 devoirs de programmation•Total 360 minutes
Réseaux résiduels•180 minutes
Apprentissage par transfert avec MobileNet•180 minutes
Détection d'objets
Semaine 3•9 heures à terminer
Détails du module
Appliquez vos nouvelles connaissances des CNN à l'un des domaines les plus chauds (et les plus difficiles !) de la vision par ordinateur : la détection d'objets.
Inclus
14 vidéos4 lectures1 devoir2 devoirs de programmation
Afficher les informations sur le contenu du module
14 vidéos•Total 110 minutes
Localisation des objets•12 minutes
Détection de repères•6 minutes
Détection d'objets•6 minutes
Implémentation convolutionnelle des fenêtres coulissantes•11 minutes
Prédictions de la boîte englobante•14 minutes
Intersection au-dessus de l'Union•4 minutes
Suppression des valeurs non maximales•8 minutes
Boîtes d'ancrage•10 minutes
Algorithme YOLO•7 minutes
Propositions de régions (facultatif)•6 minutes
Segmentation sémantique avec U-Net•7 minutes
Transposer les convolutions•8 minutes
Intuition de l'architecture U-Net•3 minutes
Architecture U-Net•8 minutes
4 lectures•Total 13 minutes
Clarifications sur la prochaine implémentation convolutive de la vidéo sur les fenêtres coulissantes•1 minute
Clarifications sur la vidéo de l'algorithme YOLO à venir•1 minute
Notes de cours W3•1 minute
Effacer la sortie avant la soumission (pour l'affectation U-Net)•10 minutes
1 devoir•Total 50 minutes
Algorithmes de détection•50 minutes
2 devoirs de programmation•Total 360 minutes
Détection des voitures avec YOLO•180 minutes
Segmentation d'images avec U-Net•180 minutes
Specializations : Reconnaissance des visages et transfert de style neuronal
Semaine 4•9 heures à terminer
Détails du module
Découvrez comment les CNN peuvent être appliqués à de nombreux domaines, notamment la génération d'œuvres d'art et la reconnaissance de visages, puis mettez en œuvre votre propre algorithme pour générer des œuvres d'art et reconnaître des visages !
Inclus
11 vidéos6 lectures1 devoir2 devoirs de programmation
Afficher les informations sur le contenu du module
11 vidéos•Total 75 minutes
Qu'est-ce que la reconnaissance faciale ?•5 minutes
Apprentissage en une seule fois•5 minutes
Réseau siamois•5 minutes
Perte de triplés•15 minutes
Vérification des visages et classification binaire•6 minutes
Qu'est-ce que le transfert de style neuronal ?•2 minutes
Qu'est-ce que l'apprentissage par ConvNets profonds ?•8 minutes
Fonction de coût•4 minutes
Fonction de coût du contenu•4 minutes
Style Coût Fonction•13 minutes
généralisations 1D et 3D•9 minutes
6 lectures•Total 25 minutes
Clarifications concernant la prochaine vidéo sur la vérification des visages et la classification binaire•1 minute
Clarifications concernant la prochaine vidéo sur le style et les coûts de fonctionnement•1 minute
Notes de cours W4•1 minute
[IMPORTANT] Rappel sur la fin de l'accès aux cahiers de laboratoire•2 minutes
Références•10 minutes
Remerciements•10 minutes
1 devoir•Total 50 minutes
Applications spéciales : Reconnaissance des visages et transfert de style neuronal•50 minutes
2 devoirs de programmation•Total 360 minutes
Reconnaissance des visages•180 minutes
Génération d'art avec transfert de style neuronal•180 minutes
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
Évaluations de l’enseignant
Évaluations de l’enseignant
Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.
DeepLearning.AI est une société de technologie éducative qui développe une communauté mondiale de talents en matière d'IA.
Les expériences éducatives de DeepLearning.AI, menées par des experts, fournissent aux praticiens de l'IA et aux professionnels non techniques les outils nécessaires pour passer des bases fondamentales aux applications avancées, leur permettant ainsi de construire un avenir propulsé par l'IA.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
4.9
42 585 avis
5 stars
87,83 %
4 stars
10,27 %
3 stars
1,40 %
2 stars
0,28 %
1 star
0,19 %
Affichage de 3 sur 42585
S
SH
4·
Révisé le 5 août 2019
Great content in lectures! Automatic graders for programming assignments can be tricky, and set to old versions of tf sometimes, but answers to these issues are readily found in the discussion forums.
F
FH
5·
Révisé le 11 janv. 2019
Amazing! Feels like AI is getting tamed in my hands. Course lectures , assignments are excellent. To those who are not well versed with python - numpy and tensorflow , it would be better to brush up.
N
NK
5·
Révisé le 10 juil. 2024
Fabulously designed, I could confidently say that the programming exercise is sufficiently sophisticated, and yet managed to be not so difficult as to deter new learners. All in all a great course!
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Qu'est-ce que je recevrai si je souscris à cette Specializations ?
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Une aide financière est-elle disponible ?
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.