Dieser Kurs ist Teil der Spezialisierung Spezialisierung TensorFlow: Data and Deployment

Laurence Moroney

von

Spezialisierung TensorFlow: Data and Deploymentdeeplearning.ai

Über diesen Kurs

30,793 kürzliche Aufrufe

Bringing a machine learning model into the real world involves a lot more than just modeling. This Specialization will teach you how to navigate various deployment scenarios and use data more effectively to train your model.
In this final course, you’ll explore four different scenarios you’ll encounter when deploying models. You’ll be introduced to TensorFlow Serving, a technology that lets you do inference over the web. You’ll move on to TensorFlow Hub, a repository of models that you can use for transfer learning. Then you’ll use TensorBoard to evaluate and understand how your models work, as well as share your model metadata with others. Finally, you’ll explore federated learning and how you can retrain deployed models with user data while maintaining data privacy.

This Specialization builds upon our TensorFlow in Practice Specialization. If you are new to TensorFlow, we recommend that you take the TensorFlow in Practice Specialization first. To develop a deeper, foundational understanding of how neural networks work, we recommend that you take the Deep Learning Specialization.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 4 von 4 in

Spezialisierung TensorFlow: Data and Deployment

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have basic familiarity with building models in TensorFlow.

Ca. 12 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Kompetenzen, die Sie erwerben

TensorFlow ServingMachine Learningfederated learningTensorFlow HubTensorBoard

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 4 von 4 in

Spezialisierung TensorFlow: Data and Deployment

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have basic familiarity with building models in TensorFlow.

Ca. 12 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Dozent

Dozentenbewertung

4.81/5 (16 Bewertungen)

Laurence Moroney

AI Advocate

Google Brain

256,775 Kursteilnehmer

10 Kurse

von

deeplearning.ai

Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

Woche 1

1 Stunde zum Abschließen

TensorFlow Extended

1 Stunde zum Abschließen

12 Videos (Gesamt 21 min), 5 Lektüren, 1 Quiz

12 Videos

Introduction, A conversation with Andrew Ng2m

Introduction24

Serving3m

Installing TF Serving1m

TensorFlow Serving summary30

Setup for serving2m

Serving1m

Predictions41

Passing data to serving1m

Getting the predictions back1m

Running the colab2m

Complex model2m

5 Lektüren

Downloading the Coding Examples and Exercises10m

Installation link10m

TF server running in colab10m

Serving with Fashion MNIST10m

Ungraded Exercise - Serving with MNIST10m

1 praktische Übung

Week 1 Quiz

Woche

Woche 2

5 Stunden zum Abschließen

Sharing pre-trained models with TensorFlow Hub

5 Stunden zum Abschließen

11 Videos (Gesamt 20 min), 7 Lektüren, 2 Quiz

11 Videos

Introduction, A conversation with Andrew Ng2m

Introduction to TF Hub2m

Transfer learning1m

Inference1m

Module storage2m

Text based models1m

Word embeddings1m

Experimenting with embeddings1m

Colab1m

Classify cats and dogs1m

Transfer learning1m

7 Lektüren

Tensorflow Hub link10m

Link to saved models10m

Colab10m

Pre-trained Word Embeddings10m

Text Classification Colab10m

MobileNet model details10m

Colab10m

1 praktische Übung

Week 2 Quiz

Woche

Woche 3

5 Stunden zum Abschließen

Tensorboard: tools for model training

5 Stunden zum Abschließen

10 Videos (Gesamt 16 min), 2 Lektüren, 2 Quiz

10 Videos

Introduction, A conversation with Andrew Ng2m

Tensorboard scalars1m

Callbacks42

Histograms59

Publishing model details1m

Local tensorboard2m

Looking at graphics in a dataset2m

More than one image56

Confusion matrix2m

Multiple callbacks1m

2 Lektüren

tensorboard.dev10m

Colab10m

1 praktische Übung

Week 3 Quiz4m

Woche

Woche 4

1 Stunde zum Abschließen

Federated Learning

1 Stunde zum Abschließen

9 Videos (Gesamt 22 min), 1 Lektüre, 1 Quiz

9 Videos

Introduction, A conversation with Andrew Ng2m

Training on mobile devices2m

Data at the edge2m

How it works2m

Maintaining user privacy3m

Masking2m

APIs for Federated Learning2m

Example of federated learning2m

Outro59

1 Lektüre

Colab10m

1 praktische Übung

Week 4 Quiz30m

Über den Spezialisierung TensorFlow: Data and Deployment

Continue developing your skills in TensorFlow as you learn to navigate through a wide range of deployment scenarios and discover new ways to use data more effectively when training your machine learning models.

In this four-course Specialization, you’ll learn how to get your machine learning models into the hands of real people on all kinds of devices. Start by understanding how to train and run machine learning models in browsers and in mobile applications. Learn how to leverage built-in datasets with just a few lines of code, learn about data pipelines with TensorFlow data services, use APIs to control data splitting, process all types of unstructured data and retrain deployed models with user data while maintaining data privacy. Apply your knowledge in various deployment scenarios and get introduced to TensorFlow Serving, TensorFlow, Hub, TensorBoard, and more. Industries all around the world are adopting Artificial Intelligence. This Specialization from Laurence Moroney and Andrew Ng will help you develop and deploy machine learning models across any device or platform faster and more accurately than ever. This Specialization builds upon skills learned in the TensorFlow in Practice Specialization. We recommend learners complete that Specialization prior to enrolling in TensorFlow: Data and Deployment.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Is financial aid available?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Erhalte ich akademische Leistungspunkte für den Abschluss des Kurses?
Für diesen Kurs gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Kurszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..

Advanced Deployment Scenarios with TensorFlow