This course covers advanced deep learning topics, including Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), and modern language models. You will learn techniques for image classification, time series prediction, and natural language processing. The course includes building and optimizing CNNs for image recognition, using architectures such as AlexNet, VGGNet, GoogLeNet, and ResNet, and working with pre-trained models. You will also work with RNNs and LSTMs for tasks like forecasting and text autocompletion. The curriculum covers neural language models, word embeddings (such as Word2vec and wordpieces), encoder-decoder architectures, attention mechanisms, and Transformers for machine translation. Hands-on projects using TensorFlow and PyTorch will help you develop practical skills for solving real-world problems in computer vision and language processing.
Découvrez de nouvelles compétences avec 120 $ de réduction sur les cours dispensés par des experts de l'industrie. Économisez maintenant.
Learning Deep Learning: Unit 2
Ce cours fait partie de Spécialisation Learning Deep Learning
Instructeur : Pearson
Inclus avec 
Expérience recommandée
Ce que vous apprendrez
Build and optimize convolutional neural networks for advanced image classification tasks using TensorFlow and PyTorch.
Apply recurrent neural networks and LSTMs to sequential data problems, including time series forecasting and text autocompletion.
Develop neural language models and implement word embeddings for robust natural language processing.
Design and implement encoder-decoder architectures and Transformer models for machine translation and sequence-to-sequence tasks.
Compétences que vous acquerrez
- Catégorie : Computer Vision
- Catégorie : Network Architecture
- Catégorie : Natural Language Processing
- Catégorie : Deep Learning
- Catégorie : Applied Machine Learning
- Catégorie : Artificial Neural Networks
- Catégorie : Time Series Analysis and Forecasting
- Catégorie : Tensorflow
- Catégorie : Large Language Modeling
- Catégorie : Image Analysis
- Catégorie : PyTorch (Machine Learning Library)
Détails à connaître
Ajouter à votre profil LinkedIn
août 2025
4 devoirs
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
Il y a un module dans ce cours
This module provides a comprehensive introduction to advanced deep learning techniques for processing images and natural language. It covers convolutional neural networks for image classification, including architectures like AlexNet, VGGNet, GoogLeNet, and ResNet. The module then explores recurrent neural networks and LSTMs for time series and sequential data, followed by neural language models and word embeddings. Finally, it introduces encoder-decoder architectures, attention mechanisms, and Transformer models for neural machine translation, with practical implementations in TensorFlow and PyTorch throughout.
Inclus
44 vidéos4 devoirs
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.
En savoir plus sur Machine Learning
Statut : Essai gratuitIllinois Tech
Statut : Essai gratuitDeepLearning.AI
Statut : Essai gratuitUniversity of Colorado Boulder
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
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
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.
Plus de questions
Aide financière disponible,