This deep learning course provides a comprehensive introduction to Autoencoders, Variational Autoencoders (VAE), and Generative Adversarial Networks (GANs). Begin by exploring how autoencoders compress and reconstruct data, and discover how VAEs add probabilistic modeling to enhance generative capabilities. Learn the VAE training process and implement a VAE using TensorFlow for image generation with the MNIST dataset. Progress to mastering GANs—understand their adversarial training approach, how the generator and discriminator interact, and explore real-world applications. Gain hands-on experience by building a GAN to generate realistic fake images through step-by-step demos.
Introduction Course to Autoencoders, VAEs, and GANs
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau DĂ©butant
Expérience recommandée
3 heures pour terminer
3 semaines Ă 1 heure par semaine
Planning flexible
Apprenez Ă votre propre rythme
Ce que vous apprendrez
Build and train Autoencoders and VAEs using TensorFlow
Use VAEs for generating synthetic data like images
Understand and apply GAN architecture and training techniques
Create realistic outputs with GANs for real-world use cases
Compétences que vous acquerrez
- Catégorie : Deep Learning
- Catégorie : Artificial Neural Networks
- Catégorie : Applied Machine Learning
- Catégorie : Generative AI
- Catégorie : Tensorflow
- Catégorie : Computer Vision
- Catégorie : Image Analysis
- Catégorie : Unsupervised Learning
Détails à connaître
Certificat partageable
Ajouter Ă votre profil LinkedIn
Récemment mis à jour !
juin 2025
Évaluations
7 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Il y a 2 modules dans ce cours
Explore the fundamentals of Autoencoders and Variational Autoencoders (VAE) in this module. Learn how autoencoders compress and reconstruct data, the challenges they face, and how VAEs overcome them. Understand the VAE training process and its generative capabilities. Gain hands-on experience by implementing a VAE with TensorFlow for image generation using the MNIST dataset.
Inclus
8 vidéos1 lecture4 devoirs
Master Generative Adversarial Networks (GANs) in this hands-on module. Learn how GANs work through their unique adversarial training process and explore real-world use cases across industries. Understand generator-discriminator dynamics and how they produce realistic data. Gain practical skills by implementing a GAN to generate fake images with guided demos and code examples.
Inclus
4 vidéos3 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.
Instructeur
Offert par
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.’
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 3Â 400Â entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
GANs (Generative Adversarial Networks) and VAEs (Variational Autoencoders) are generative models used to create new data samples. GANs use a generator-discriminator setup, while VAEs rely on probabilistic encoding and decoding.
GANs generate realistic data by pitting two networks against each other, while autoencoders compress and reconstruct data. Both are used in unsupervised learning but serve different purposes in data generation and feature learning.
Autoencoders are neural networks designed to learn efficient data representations by encoding input into a compressed form and then decoding it back to reconstruct the original input.
Plus de questions
Aide financière disponible,