深度学习课程
Deep Learning 课程可以帮助您学习神经网络、卷积网络和 Neural Network，以及它们在图像识别和自然语言处理中的应用。您可以掌握模型训练、超参数调整和性能评估方面的技能，这些技能对于开发有效的 AI 解决方案至关重要。许多课程都会介绍 TensorFlow 和 PyTorch 等工具，让您可以实现算法和优化模型，使您的学习体验与当前的行业实践密切相关。
热门 Deep Learning 课程和认证
状态：免费试用DeepLearning.AI
您将获得的技能: PyTorch（机器学习库）, 机器学习, 大型语言模型, 模型评估, 计算机视觉, 监督学习, 人工智能, 自然语言处理, 拥抱的脸, 递归神经网络 (RNN), Keras（神经网络库）, 深度学习, 人工神经网络, 迁移学习, 卷积神经网络, 应用机器学习, 张力流, 嵌入, 人工智能和机器学习（AI/ML）, 图像分析
状态：免费试用DeepLearning.AI
您将获得的技能: 机器学习, 监督学习, Python 程序设计, 深度学习, 递归神经网络 (RNN), Algorithm, 人工神经网络, 性能调整, 应用机器学习, 卷积神经网络, 线性代数, 人工智能和机器学习（AI/ML）
状态：免费试用状态：人工智能技能您将获得的技能: PyTorch (Machine Learning Library), Keras (Neural Network Library), Convolutional Neural Networks, Deep Learning, Unsupervised Learning, Model Evaluation, Recurrent Neural Networks (RNNs), Tensorflow, Vision Transformer (ViT), Generative Adversarial Networks (GANs), Transfer Learning, Image Analysis, Autoencoders, Applied Machine Learning, Artificial Neural Networks, Generative AI, Time Series Analysis and Forecasting, Reinforcement Learning, Artificial Intelligence and Machine Learning (AI/ML), Model Deployment
状态：免费试用您将获得的技能: PyTorch（机器学习库）, 机器学习, 模型评估, 自动编码器, 计算机视觉, Algorithm, 监督学习, 递归神经网络 (RNN), Keras（神经网络库）, 深度学习, 回归分析, 机器学习算法, 迁移学习, 人工神经网络, 卷积神经网络, 应用机器学习, 张力流, 图像分析
状态：免费试用您将获得的技能: PyTorch（机器学习库）, 监督学习, 模型评估, Machine Learning 方法, 深度学习, 人工神经网络, 分类算法, 逻辑回归, 应用机器学习, 卷积神经网络, 人工智能和机器学习（AI/ML）
状态：免费试用多位教师
您将获得的技能: 机器学习, 预测建模, 模型评估, 决策树学习, Scikit-learn （机器学习库）, 监督学习, 强化学习, 随机森林算法, 人工智能, NumPy, 迁移学习, Jupyter, 分类算法, 应用机器学习, 无监督学习, 数据预处理, 深度学习, 数据伦理, 张力流, 功能工程
是什么让您今天来到 Coursera？
状态：新状态：免费试用状态：人工智能技能DeepLearning.AI
您将获得的技能: PyTorch (Machine Learning Library), Model Deployment, Convolutional Neural Networks, Transfer Learning, Generative AI, Deep Learning, Image Analysis, MLOps (Machine Learning Operations), Data Pipelines, Embeddings, Artificial Neural Networks, Model Evaluation, Data Preprocessing, Software Visualization, Computer Vision, Natural Language Processing, Machine Learning
状态：新状态：免费试用Pearson
您将获得的技能: Large Language Modeling, Deep Learning, Prompt Engineering, Image Analysis, Model Deployment, Recurrent Neural Networks (RNNs), PyTorch (Machine Learning Library), Convolutional Neural Networks, Tensorflow, Vision Transformer (ViT), LLM Application, Transfer Learning, Computer Vision, Responsible AI, Natural Language Processing, Embeddings, Keras (Neural Network Library), Generative AI, Artificial Neural Networks, Multimodal Prompts
状态：免费试用Illinois Tech
您将获得的技能: Recurrent Neural Networks (RNNs), Deep Learning, Generative AI, Convolutional Neural Networks, Transfer Learning, Image Analysis, Artificial Neural Networks, Keras (Neural Network Library), Generative Adversarial Networks (GANs), Artificial Intelligence and Machine Learning (AI/ML), PyTorch (Machine Learning Library), Network Architecture, Computer Vision, Natural Language Processing, Model Deployment, Model Evaluation
状态：免费试用Imperial College London
您将获得的技能: 计算机视觉, 自动编码器, 模型评估, 自然语言处理, 监督学习, 深度学习, 迁移学习, 数据管道, 人工神经网络, 模型部署, 递归神经网络 (RNN), Keras（神经网络库）, 卷积神经网络, 应用机器学习, 贝叶斯统计, 概率分布, 生成模型架构, 张力流, 图像分析, 数据预处理
状态：免费试用IBM
您将获得的技能: PyTorch（机器学习库）, 检索-增强生成, 大型语言模型, 机器学习, Prompt Engineering, 计算机视觉, 数据科学, LLM 申请, 模型评估, Python 程序设计, Keras（神经网络库）, 监督学习, 深度学习, 生成模型架构, PySpark, 卷积神经网络, 应用机器学习, 无监督学习, 生成式人工智能, Apache Spark
状态：免费试用IBM
您将获得的技能: 时间序列分析和预测, 机器学习, 生成对抗网络 (GAN), 自动编码器, Scikit-learn （机器学习库）, 数据科学, 监督学习, 降维, 深度学习, Python 程序设计, 递归神经网络 (RNN), Keras（神经网络库）, 统计推理, 分类算法, 应用机器学习, 数据预处理, 数据清理, 功能工程, 卷积神经网络, 无监督学习
总之，以下是 10 最受欢迎的 deep learning 课程
- 深度学习: DeepLearning.AI
- 神经网络与深度学习: DeepLearning.AI
- IBM Deep Learning with PyTorch, Keras and Tensorflow: IBM
- 使用 Keras 的深度学习和神经网络简介: IBM
- 使用 PyTorch 进行深度学习: IBM
- 机器学习: DeepLearning.AI
- PyTorch for Deep Learning: DeepLearning.AI
- Learning Deep Learning: Pearson
- Deep Learning: Illinois Tech
- 用于深度学习的 TensorFlow 2: Imperial College London
