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

4.8
Sterne
441 Bewertungen

97 %

Laurence Moroney

17.457 bereits angemeldet

von

Spezialisierung TensorFlow: Data and Deploymentdeeplearning.ai

Über diesen Kurs

6.657 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.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

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

Stufe „Mittel“

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

Ca. 13 Stunden zum Abschließen

Englisch

Was Sie lernen werden

Use TensorFlow Serving to do inference over the web
Navigate TensorFlow Hub, a repository of models that you can use for transfer learning
Evaluate how your models work and share model metadata using TensorBoard
Explore federated learning and how to retrain deployed models while maintaining data privacy

Kompetenzen, die Sie erwerben

TensorFlow Serving
Machine Learning
federated learning
TensorFlow Hub
TensorBoard

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

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

Stufe „Mittel“

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

Ca. 13 Stunden zum Abschließen

Englisch

Dozent

Dozentenbewertung

4,9/5 (42 Bewertungen)

Laurence Moroney

Instructor

Lead AI Advocate, Google

407.343 Lernende

15 Kurse

von

deeplearning.ai

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung97%(1,131 Bewertungen)

Woche

Woche 1

1 Stunde zum Abschließen

TensorFlow Extended

1 Stunde zum Abschließen

12 Videos (Gesamt 21 min), 5 Lektüren, 3 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 Ungraded Labs and Programming Assignments10m

Installation link10m

TF server running in colab10m

Serving with Fashion MNIST10m

Ungraded Assignment - Serving with MNIST10m

1 praktische Übung

Week 1 Quiz

Woche

Woche 2

6 Stunden zum Abschließen

Sharing pre-trained models with TensorFlow Hub

6 Stunden zum Abschließen

11 Videos (Gesamt 20 min), 7 Lektüren, 3 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, 3 Quiz

Woche

Woche 4

1 Stunde zum Abschließen

Federated Learning

1 Stunde zum Abschließen

9 Videos (Gesamt 22 min), 3 Lektüren, 2 Quiz

Bewertungen

4.8

56 Bewertungen

5 stars
81,44 %
4 stars
14,25 %
3 stars
2,94 %
2 stars
0,90 %
1 star
0,45 %

Top-Bewertungen von ADVANCED DEPLOYMENT SCENARIOS WITH TENSORFLOW

von CY30. März 2020

Many useful stuffs if you want to move for Tensorflow or AI Deployment

von MS4. Juli 2020

great course for utilities to enhance the training and deployment experience

von DR6. Juni 2020

Enjoyed this specialization as much as I did the Tensorflow in practice. Thank you Laurence Moroney and Andrew Ng for getting these cool topics to all of us, so we can contribute back to community.

von FL19. März 2020

The first week is very useful.

Tensorhub seems not helpful in a private company setting.

I wish they talked about tf estimators which is also a common way to deploy models in SageMaker.

Alle Bewertungen anzeigen

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. Looking for a place to start? Master the foundational basics of TensorFlow with the DeepLearning.AI TensorFlow Developer Professional Certificate. Looking to customize and build powerful real-world models for complex scenarios? Check out the TensorFlow: Advanced Techniques Specialization.

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.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Advanced Deployment Scenarios with TensorFlow

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben