modul #1 Pengenalan kepada Pembelajaran Dalam Tinjauan keseluruhan pembelajaran mendalam, sejarah dan aplikasi
modul #2 Prasyarat Matematik Semakan algebra linear, kalkulus dan teori kebarangkalian
modul #3 Asas Rangkaian Neural Pengenalan kepada rangkaian saraf tiruan, perceptron dan perceptron berbilang lapisan
modul #4 Fungsi Pengaktifan dan Penyebaran Balik Fungsi pengaktifan, perambatan belakang dan keturunan kecerunan
modul #5 Membina dan Melatih Rangkaian Neural Pengalaman secara langsung dengan membina dan melatih rangkaian saraf menggunakan rangka kerja pembelajaran mendalam
modul #6 Convolutional Neural Networks (CNNs) Pengenalan kepada CNN, lapisan konvolusi dan lapisan pengumpulan
modul #7 CNN Architectures AlexNet, VGGNet, GoogLeNet dan ResNet seni bina
modul #8 Pembelajaran Pemindahan dan Penalaan Halus Menggunakan model CNN terlatih dan penalaan halus untuk tugas pengelasan imej
modul #9 Rangkaian Neural Berulang (RNN) Pengenalan kepada RNN, RNN ringkas, dan rangkaian LSTM
modul #10 RNN Architectures GRU, RNN Dwiarah dan model Penyahkod Pengekod
modul #11 Model Urutan-ke-Jujukan Terjemahan mesin, chatbots dan model urutan-ke-jujukan
modul #12 Model Generatif Pengenalan kepada model generatif, GAN dan VAEs
modul #13 Autoencoders and Variational Autoencoders Dimensionality reduction, autoencoders and VAEs
modul #14 Generative Adversarial Networks (GANs) GAN, DCGAN dan GAN bersyarat
modul #15 Pembelajaran Peneguhan Dalam Pengenalan kepada pembelajaran pengukuhan, pembelajaran Q dan kecerunan dasar
modul #16 Algoritma Pembelajaran Peneguhan Dalam DDPG, kaedah Actor-Critic, dan AlphaGo
modul #17 Pembelajaran dan Pengelompokan Tanpa Seliaan K-means, pengelompokan hierarki dan pengurangan dimensi
modul #18 Pembelajaran Mendalam untuk Pemprosesan Bahasa Semula Jadi Pembenaman perkataan, model bahasa dan pengelasan teks
modul #19 Mekanisme Perhatian Perhatian dalam NLP, transformer dan BERT
modul #20 Pembelajaran Mendalam untuk Penglihatan Komputer Pengesanan objek, pembahagian dan penjejakan
modul #21 Rangka Kerja Pembelajaran Dalam TensorFlow, PyTorch, dan Keras
modul #22 Penilaian Model dan Penalaan Hiperparameter Metrik penilaian model, penalaan hiperparameter dan pengesahan silang
modul #23 Penyerahan dan Pengeluaran Pembelajaran Dalam Penyerahan model, penyajian model dan pengeluaran
modul #24 Etika dan Kesaksamaan dalam Pembelajaran Mendalam Pertimbangan beretika, berat sebelah dan saksama dalam model pembelajaran mendalam
modul #25 Penutup & Kesimpulan Kursus Merancang langkah seterusnya dalam kerjaya Deep Learning
