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.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung TensorFlow: Data and Deployment
von
Spezialisierung TensorFlow: Data and Deploymentdeeplearning.aiÜber diesen Kurs
32,829 kürzliche Aufrufe
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
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
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 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
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
von
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
Lehrplan - Was Sie in diesem Kurs lernen werden
1 Stunde zum Abschließen
TensorFlow Extended
1 Stunde zum Abschließen
12 Videos (Gesamt 21 min), 5 Lektüren, 1 Quiz
12 Videos
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
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 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
5 Stunden zum Abschließen
Tensorboard: tools for model training
5 Stunden zum Abschließen
10 Videos (Gesamt 16 min), 2 Lektüren, 2 Quiz
10 Videos
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
1 Stunde zum Abschließen
Federated Learning
1 Stunde zum Abschließen
9 Videos (Gesamt 22 min), 1 Lektüre, 1 Quiz
9 Videos
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
Bewertungen
Top-Bewertungen von ADVANCED DEPLOYMENT SCENARIOS WITH TENSORFLOW
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.\n\nI wish they talked about tf estimators which is also a common way to deploy models in SageMaker.
von SM10. Apr. 2020
This topic seems to be very important but the content is not as good as rest of the weeks content, more explanations and more simple examples could have helped
von DB17. Mai 2020
Great work and I highly recommend this course/specialization! Good job of inserting needed edits to update what's happening in real time.
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.
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.
Ist finanzielle Unterstützung möglich?
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
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
