このコースについて
28,828 最近の表示

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

中級レベル

約14時間で修了

推奨:4 weeks of study, 2-5 hours/week...

英語

字幕:英語

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

中級レベル

約14時間で修了

推奨:4 weeks of study, 2-5 hours/week...

英語

字幕:英語

シラバス - 本コースの学習内容

1
8時間で修了

Simple Introduction to Machine Learning

The focus of this module is to introduce the concepts of machine learning with as little mathematics as possible. We will introduce basic concepts in machine learning, including logistic regression, a simple but widely employed machine learning (ML) method. Also covered is multilayered perceptron (MLP), a fundamental neural network. The concept of deep learning is discussed, and also related to simpler models.

...
23件のビデオ (合計164分), 1 reading, 10 quizzes
23件のビデオ
What Is Machine Learning?5 分
Logistic Regression9 分
Interpretation of Logistic Regression9 分
Motivation for Multilayer Perceptron4 分
Multilayer Perceptron Concepts5 分
Multilayer Perceptron Math Model6 分
Deep Learning6 分
Example: Document Analysis3 分
Interpretation of Multilayer Perceptron9 分
Transfer Learning5 分
Model Selection7 分
Early History of Neural Networks14 分
Hierarchical Structure of Images6 分
Convolution Filters9 分
Convolutional Neural Network3 分
CNN Math Model6 分
How the Model Learns8 分
Advantages of Hierarchical Features4 分
CNN on Real Images9 分
Applications in Use and Practice10 分
Deep Learning and Transfer Learning7 分
Introduction to TensorFlow3 分
1件の学習用教材
Math for Data Science10 分
10の練習問題
Intro to Machine Learning8 分
Logistic Regression8 分
Multilayer Perceptron8 分
Deep Learning8 分
Model Selection8 分
History of Neural Networks8 分
CNN Concepts10 分
CNN Math Model4 分
Applications In Use and Practice
Week 1 Comprehensive
2
3時間で修了

Basics of Model Learning

In this module we will be discussing the mathematical basis of learning deep networks. We’ll first work through how we define the issue of learning deep networks as a minimization problem of a mathematical function. After defining our mathematical goal, we will introduce validation methods to estimate real-world performance of the learned deep networks. We will then discuss how gradient descent, a classical technique in optimization, can be used to achieve this mathematical goal. Finally, we will discuss both why and how stochastic gradient descent is used in practice to learn deep networks.

...
6件のビデオ (合計44分), 3 quizzes
6件のビデオ
How Do We Evaluate Our Networks?12 分
How Do We Learn Our Network?7 分
How Do We Handle Big Data?10 分
Early Stopping2 分
Model Learning with TensorFlow49
3の練習問題
Lesson One10 分
Lesson 210 分
Week 2 Comprehensive
3
3時間で修了

Image Analysis with Convolutional Neural Networks

This week will cover model training, as well as transfer learning and fine-tuning. In addition to learning the fundamentals of a CNN and how it is applied, careful discussion is provided on the intuition of the CNN, with the goal of providing a conceptual understanding.

...
8件のビデオ (合計45分), 4 quizzes
8件のビデオ
Breakdown of the Convolution (1D and 2D)8 分
Core Components of the Convolutional Layer7 分
Activation Functions4 分
Pooling and Fully Connected Layers4 分
Training the Network6 分
Transfer Learning and Fine-Tuning4 分
CNN with TensorFlow52
4の練習問題
Lesson One10 分
Lesson 210 分
Lesson 36 分
Week 3 Comprehensive
4
4時間で修了

Introduction to Natural Language Processing

This week will cover the application of neural networks to natural language processing (NLP), from simple neural models to the more complex. The fundamental concept of word embeddings is discussed, as well as how such methods are employed within model learning and usage for several NLP applications. A wide range of neural NLP models are also discussed, including recurrent neural networks, and specifically long short-term memory (LSTM) models.

...
13件のビデオ (合計136分), 4 quizzes
13件のビデオ
Words to Vectors7 分
Example of Word Embeddings11 分
Neural Model of Text14 分
The Softmax Function7 分
Methods for Learning Model Parameters9 分
More Details on How to Learn Model Parameters6 分
The Recurrent Neural Network11 分
Long Short-Term Memory20 分
Long Short-Term Memory Review11 分
Use of LSTM for Text Synthesis9 分
Simple and Effective Alternative Methods for Neural NLP15 分
Natural Language Processing with TensorFlow41
4の練習問題
Lesson 12 分
Lesson 22 分
Lesson 32 分
Week 4 Comprehensive30 分
4.7
17件のレビューChevron Right

Introduction to Machine Learning からの人気レビュー

by AUNov 12th 2018

I like this introductory course, very good one to start to learn machine learning. I will definitely continue studying and re-watch the videos.

by UTMay 17th 2019

Excellent introduction in to machine learning and paced ideally to keep the interest throughout the course. Ignites interest to the field.

講師

Avatar

Lawrence Carin

James L. Meriam Professor of Electrical and Computer Engineering
Electrical and Computer Engineering

デューク大学(Duke University)について

Duke University has about 13,000 undergraduate and graduate students and a world-class faculty helping to expand the frontiers of knowledge. The university has a strong commitment to applying knowledge in service to society, both near its North Carolina campus and around the world....

よくある質問

  • 修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題(該当する場合)にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。

  • 修了証を購入する際、コースのすべての教材(採点課題を含む)にアクセスできます。コースを完了すると、電子修了証が成果のページに追加されます。そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。