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

4.4
Sterne
460 Bewertungen

92 %

Laurence Moroney

17.976 bereits angemeldet

von

Spezialisierung TensorFlow: Data and Deploymentdeeplearning.ai

Über diesen Kurs

7.137 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 third course, you will:
- Perform streamlined ETL tasks using TensorFlow Data Services
- Load different datasets and custom feature vectors using TensorFlow Hub and TensorFlow Data Services APIs
- Create and use pre-built pipelines for generating highly reproducible I/O pipelines for any dataset
- Optimize data pipelines that become a bottleneck in the training process
- Publish your own datasets to the TensorFlow Hub library and share standardized data with researchers and developers around the world


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.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 4 in

Spezialisierung TensorFlow: Data and Deployment

Stufe „Mittel“

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

Ca. 12 Stunden zum Abschließen

Englisch

Was Sie lernen werden

Perform efficient ETL tasks using Tensorflow Data Services APIs
Construct train/validation/test splits of any dataset - either custom or present in TensorFlow Hub Dataset library - using Splits API
Use different modules and functions of the TFDS API to prepare your data for training pipelines
Identify bottlenecks in your input pipelines and increase your workflow efficiency by input parallelization

Kompetenzen, die Sie erwerben

Artificial Neural Network
Tensorflow
Extraction, Transformation And Loading (ETL)
Data Pipelines
TensorFlow Datasets

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.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 4 in

Spezialisierung TensorFlow: Data and Deployment

Stufe „Mittel“

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

Ca. 12 Stunden zum Abschließen

Englisch

Dozent

Dozentenbewertung

4,84/5 (44 Bewertungen)

Laurence Moroney

Instructor

Lead AI Advocate, Google

407.481 Lernende

15 Kurse

von

deeplearning.ai

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung92%(1,328 Bewertungen)

Woche

Woche 1

3 Stunden zum Abschließen

Data Pipelines with TensorFlow Data Services

3 Stunden zum Abschließen

10 Videos (Gesamt 21 min), 4 Lektüren, 4 Quiz

10 Videos

A conversation with Andrew Ng2m

Introduction1m

Popular Datasets2m

Data Pipelines58

Extract, Transform and Load3m

Versioning Datasets2m

Looking at the Notebook1m

Using TFDS in Keras to Train Fashion MNIST 3m

Horses or Humans in TFDS2m

Week 1 Wrap Up49

4 Lektüren

Downloading the Ungraded Labs and Programming Assignments10m

Try Out the Notebook Yourself10m

Try the Horses or Human Notebook10m

Grader Note10m

1 praktische Übung

Week 1 Quiz30m

Woche

Woche 2

3 Stunden zum Abschließen

Splits and Slices API for Datasets in TF

3 Stunden zum Abschließen

7 Videos (Gesamt 26 min), 3 Lektüren, 3 Quiz

Woche

Woche 3

3 Stunden zum Abschließen

Exporting Your Data into the Training Pipeline

3 Stunden zum Abschließen

21 Videos (Gesamt 44 min), 5 Lektüren, 3 Quiz

21 Videos

A Conversation with Andrew Ng1m

Introduction22

Input Data1m

Basic Mechanics2m

Numeric and Bucketized Columns2m

Vocabulary and Hashed Columns, Feature Crossing2m

Embedding Columns2m

Introduction24

Notebook Walkthrough4m

Introduction19

Numpy, Pandas and Images2m

CSV3m

Text and TFRecord1m

Generators1m

Introduction17

Notebook walkthrough4m

Introduction1m

Using Numpy and Pandas2m

Image Data1m

CSV Data4m

Text Data2m

5 Lektüren

Link to the Notebook10m

Link to the CNN Course10m

Link to the Notebook10m

CSV Notebook10m

Link to the Course 10m

1 praktische Übung

Week 3 Quiz30m

Woche

Woche 4

3 Stunden zum Abschließen

Performance

3 Stunden zum Abschließen

22 Videos (Gesamt 44 min), 2 Lektüren, 4 Quiz

22 Videos

A conversation with Andrew Ng2m

Introduction36

ETL2m

What Happens When You Train a Model2m

Introduction25

Caching58

Parallelism APIs2m

Autotuning2m

Parallelizing Data Extraction2m

Best Practices for Code Improvements3m

A Few Words by Laurence34

A conversation with Andrew Ng1m

Introduction44

How to Start Using a Dataset2m

Implementation4m

File Access and Possible Problems in Data3m

Publishing the Dataset3m

Introduction18

Going Through the Colab- Part 12m

Going Through the Colab - Part 22m

Closing Words14

A conversation with Andrew Ng1m

2 Lektüren

URLs10m

Link to the Colab10m

2 praktische Übungen

Week 4 Quiz

Publishing your Dataset Quiz

Bewertungen

4.4

96 Bewertungen

5 stars
64,64 %
4 stars
19,73 %
3 stars
8,89 %
2 stars
4,12 %
1 star
2,60 %

Top-Bewertungen von DATA PIPELINES WITH TENSORFLOW DATA SERVICES

von FF24. Apr. 2022

This course many for challengging in code but, before it, i learn it in my college. So, i do this assignment.

von MC17. Apr. 2020

Thorough course on Data Services API. Challenging but worthwhile final assignment.

von PC16. Apr. 2020

I understand why most of the students are furious about, but content wise, it one of those extremely helpful and important courses in Coursera. Really loved it!

von GL2. März 2020

Laurence cares deeply about the students. Not only about what they learn, but that they actually enjoy and learn it. What a fantastic teacher.

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.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.
Why was Course 3: Data Pipelines with TensorFlow Data Service updated in October 2020?
Changes in TensorFlow API: Since this Specialization was launched in early 2020, there have been changes to the TensorFlow API which affect the material in Weeks 1 and 2. With this refresh, you can access updated lectures, quizzes, and assignments.
Changing the Difficulty Level of Assignments: Based on valuable learner feedback, we’ve revised the Week 4 assignments to ensure that you have a full grasp of the foundational principles and are well-prepared to tackle them.

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

Data Pipelines with TensorFlow Data Services

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben