课程名称（英文）：Generative Adversarial Networks (GANs) Specialization

课程名称（中文）：Generative Adversarial Networks (GANs) 专项课程

课程链接：https://www.coursera.org/specializations/generative-adversarial-networks-gans

平台：Coursera

大学或机构：deeplearning.ai

课程介绍：生成对抗网络（GAN）是功能强大的机器学习模型，能够生成逼真的图像，视频和语音输出。

根植于博弈论中的GAN具有广泛的应用范围：从通过对抗对抗攻击和匿名化数据以保护隐私来提高网络安全性到生成最新图像，为黑白图像着色，提高图像分辨率，创建化身， 将2D图像转换为3D等。

关于本专业

DeepLearning.AI生成对抗网络（GAN）专门知识为使用GAN生成图像提供了令人兴奋的介绍，它通过一种易于理解的方法，描绘了从基础概念到高级技术的道路。 它还涵盖了社会影响，包括ML的偏见及其检测方法，隐私保护等。

建立全面的知识库并获得GAN的实践经验。 使用PyTorch训练自己的模型，使用它创建图像，并评估各种高级GAN。

关于你

本专业适用于对机器学习感兴趣并希望了解GAN如何工作的任何领域的软件工程师，学生和研究人员。

该专业为所有想要突破GAN空间或将GAN应用到自己项目中的学习者提供了一种可访问的途径，即使他们事先不熟悉高级数学和机器学习研究。

应用的学习项目

课程1：在本课程中，您将了解GAN的基本组成部分，使用PyTorch构建基本的GAN，使用卷积层构建用于处理图像的高级DCGAN，应用W-Loss函数来解决消失的梯度问题，并学习如何 有效地控制您的GAN并建立条件GAN。

课程2：在本课程中，您将了解评估GAN的挑战，比较不同的生成模型，使用Fréchet起始距离（FID）方法评估GAN的保真度和多样性，确定偏差的来源以及检测偏差的方法。 GAN，并学习和实现与最新的StyleGAN相关的技术。

课程3：在本课程中，您将使用GAN进行数据增强和隐私保护，调查GAN的更多应用程序，并构建Pix2Pix和CycleGAN进行图像转换。

包含课程详情（点击对应课程后方详情了解对应课程具体信息）：

1、Build Basic Generative Adversarial Networks (GANs)（详情）
2、Build Better Generative Adversarial Networks (GANs)（详情）
3、Apply Generative Adversarial Networks (GANs)（详情）

课程视频压缩包下载（度盘链接 解压密码：xuebuyan.org）：

友情提醒：