IBM

Certificat Professionnel IBM Deep Learning with PyTorch, Keras and Tensorflow

IBM

Certificat Professionnel IBM Deep Learning with PyTorch, Keras and Tensorflow

Fast-track your deep learning engineering career.

Build the deep learning expertise employers are looking for in just 3 months

IBM Skills Network Team
Wojciech 'Victor' Fulmyk
Ricky Shi

Instructeurs : IBM Skills Network Team

17 573 déjà inscrits

Inclus avec Coursera PlusEn savoir plus

Obtenez une qualification professionnelle qui traduit votre expertise

des 4,297 examens de cours de ce programme

niveau Intermédiaire

Expérience recommandée

2 mois à compléter
à 10 heures par semaine
Obtenez une qualification professionnelle qui traduit votre expertise

des 4,297 examens de cours de ce programme

niveau Intermédiaire

Expérience recommandée

2 mois à compléter
à 10 heures par semaine

Ce que vous apprendrez

  • Job-ready deep learning skills using PyTorch, Keras, and TensorFlow employers are looking for - in just 3 months!

  • How to create shareable projects, deep learning models, and neural networks using Keras and PyTorch.

  • How to train linear and logistic regression models, optimize with gradient descent using PyTorch, and create custom models with Keras.

  • How to build advanced CNNs and transformer models and build CNNs with effective layers and activations… and more.

Compétences que vous acquerrez

  • Catégorie : Reinforcement Learning
  • Catégorie : Convolutional Neural Networks
  • Catégorie : Model Optimization
  • Catégorie : Image Analysis
  • Catégorie : Deep Learning
  • Catégorie : Regression Analysis
  • Catégorie : Unsupervised Learning
  • Catégorie : Model Training
  • Catégorie : Applied Machine Learning
  • Catégorie : Logistic Regression
  • Catégorie : Artificial Neural Networks
  • Catégorie : Generative Model Architectures
  • Catégorie : Recurrent Neural Networks (RNNs)
  • Catégorie : Transfer Learning

Outils que vous découvrirez

  • Catégorie : Generative AI
  • Catégorie : Generative Adversarial Networks (GANs)
  • Catégorie : Autoencoders
  • Catégorie : Keras (Neural Network Library)
  • Catégorie : PyTorch (Machine Learning Library)
  • Catégorie : Tensorflow

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais
Planning flexible
Apprenez à votre propre rythme

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

 logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Faites progresser votre carrière avec des compétences recherchées

  • Recevez une formation professionnelle par IBM
  • Démontrez vos compétences techniques
  • Obtenez un certificat reconnu par les employeurs auprès de IBM

Certificat professionnel - série de 5 cours

Ce que vous apprendrez

  • Describe the foundational concepts of deep learning, neurons, and artificial neural networks to solve real-world problems

  • Explain the core concepts and components of neural networks and the challenges of training deep networks

  • Build deep learning models for regression and classification using the Keras library, interpreting model performance metrics effectively.

  • Design advanced architectures, such as CNNs, RNNs, and transformers, for solving specific problems like image classification and language modeling

Compétences que vous acquerrez

Catégorie : Deep Learning
Catégorie : Model Training
Catégorie : Keras (Neural Network Library)
Catégorie : Artificial Neural Networks
Catégorie : Recurrent Neural Networks (RNNs)
Catégorie : Network Architecture
Catégorie : Convolutional Neural Networks
Catégorie : Autoencoders
Catégorie : Natural Language Processing
Catégorie : Image Analysis
Catégorie : Machine Learning
Catégorie : Model Optimization
Catégorie : Applied Machine Learning
Catégorie : Regression Analysis
Catégorie : Machine Learning Methods
Catégorie : Transfer Learning
Deep Learning with Keras and Tensorflow

Deep Learning with Keras and Tensorflow

COURS 2, 23 heures

Ce que vous apprendrez

  • Create custom layers and models in Keras and integrate Keras with TensorFlow 2.x

  • Develop advanced convolutional neural networks (CNNs) using Keras

  • Develop Transformer models for sequential data and time series prediction

  • Explain key concepts of Unsupervised learning in Keras, Deep Q-networks (DQNs), and reinforcement learning

Compétences que vous acquerrez

Catégorie : Keras (Neural Network Library)
Catégorie : Tensorflow
Catégorie : Deep Learning
Catégorie : Model Training
Catégorie : Reinforcement Learning
Catégorie : Transfer Learning
Catégorie : Unsupervised Learning
Catégorie : Autoencoders
Catégorie : Generative Adversarial Networks (GANs)
Catégorie : Convolutional Neural Networks
Catégorie : Model Optimization
Catégorie : Generative Model Architectures
Catégorie : Generative AI
Catégorie : Artificial Intelligence and Machine Learning (AI/ML)
Catégorie : Applied Machine Learning
Catégorie : Time Series Analysis and Forecasting
Introduction to Neural Networks and PyTorch

Introduction to Neural Networks and PyTorch

COURS 3, 19 heures

Ce que vous apprendrez

  • Get hands-on building, training, and evaluating PyTorch models you can showcase in your professional portfolio

  • Gain practical experience with tensors, datasets, and automatic differentiation using PyTorch core tools, including autograd and DataLoader

  • Develop linear regression models using gradient descent, mini-batch optimization, and training/validation splits to evaluate model performance

  • ·Apply cross-entropy loss, sigmoid-based classification, and advanced optimization techniques to build logistic regression models in PyTorch

Compétences que vous acquerrez

Catégorie : PyTorch (Machine Learning Library)
Catégorie : Regression Analysis
Catégorie : Supervised Learning
Catégorie : Data Processing
Catégorie : Tensorflow
Catégorie : Probability & Statistics
Catégorie : Deep Learning
Catégorie : Applied Machine Learning
Catégorie : Machine Learning
Catégorie : Predictive Modeling
Catégorie : Statistical Methods
Deep Learning with PyTorch

Deep Learning with PyTorch

COURS 4, 21 heures

Ce que vous apprendrez

  • Get hands-on experience using PyTorch to build and deploy AI systems and complete a portfolio-worthy project.

  • Develop and train shallow neural networks with various architectures and apply Softmax regression in multi-class classification problems.

  • Explore deep neural networks, including techniques such as dropout, weight initialization, and batch normalization.

  • Gain practical experience with convolutional neural networks, exploring layers, activation functions, and more.

Compétences que vous acquerrez

Catégorie : PyTorch (Machine Learning Library)
Catégorie : Deep Learning
Catégorie : Model Training
Catégorie : Artificial Neural Networks
Catégorie : Convolutional Neural Networks
Catégorie : Classification Algorithms
Catégorie : Logistic Regression
Catégorie : Model Evaluation
Catégorie : Model Optimization
Catégorie : Transfer Learning
Catégorie : Machine Learning
Catégorie : Artificial Intelligence and Machine Learning (AI/ML)
Catégorie : Image Analysis
Catégorie : Computer Vision
Catégorie : Supervised Learning
Catégorie : Applied Machine Learning
Catégorie : Statistical Methods
AI Capstone Project with Deep Learning

AI Capstone Project with Deep Learning

COURS 5, 15 heures

Ce que vous apprendrez

  • Demonstrate your hands-on skills in building deep learning models using Keras and PyTorch to solve real-world image classification problems

  • Showcase your expertise in designing and implementing a complete deep learning pipeline, including data loading, augmentation, and model validation

  • Highlight your practical skills in applying CNNs and vision transformers to domain-specific challenges like geospatial land classification

  • Communicate your project outcomes effectively through a model evaluation

Compétences que vous acquerrez

Catégorie : Keras (Neural Network Library)
Catégorie : PyTorch (Machine Learning Library)
Catégorie : Data Transformation
Catégorie : Deep Learning
Catégorie : Computer Vision
Catégorie : Python Programming
Catégorie : Machine Learning

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

IBM Skills Network Team
99 Cours3 110 573 apprenants
Wojciech 'Victor' Fulmyk
IBM
9 Cours156 753 apprenants

Offert par

IBM

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 sur IBM Deep Learning with PyTorch, Keras and Tensorflow

moyenne sur l'ensemble des 5 cours

  • 5 étoiles

    70,08 %

  • 4 étoiles

    19,53 %

  • 3 étoiles

    5,46 %

  • 2 étoiles

    2,49 %

  • 1 étoile

    2,41 %

PM
Cours : Introduction to Deep Learning & Neural Networks with Keras

Révisé le 24 oct. 2022

RR
Cours : Deep Learning with Keras and Tensorflow

Révisé le 26 juil. 2020

MM
Cours : Introduction to Neural Networks and PyTorch

Révisé le 2 juin 2023

Foire Aux Questions

¹Basé sur les réponses au sondage sur les résultats des étudiants Coursera, États-Unis, 2021.