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
44,873 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 3 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 a basic familiarity with building models in TensorFlow
Ca. 19 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Was Sie lernen werden
Leverage built-in datasets with just a few lines of code
Use APIs to control how you split your data
Process all types of unstructured data
Kompetenzen, die Sie erwerben
TensorflowMachine Learning
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 3 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 a basic familiarity with building models in TensorFlow
Ca. 19 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
5 Stunden zum Abschließen
Data Pipelines with TensorFlow Data Services
You'll learn about the types of data that you would normally come across when doing machine learning.
5 Stunden zum Abschließen
14 Videos (Gesamt 27 min), 2 Lektüren, 2 Quiz
14 Videos
Introduction1m
Popular datasets2m
Data pipelines58
Extract, transform, load3m
Versioning datasets2m
Looking at the notebook1m
Introduction43
Legacy API and Subsplits5m
Splits API (S3)2m
Introduction22
Legacy API in code1m
Splits API (S3) in code1m
Week 1 wrap up43
2 Lektüren
Downloading the Coding Examples and Exercises10m
Try out the notebook yourself10m
1 praktische Übung
Week 1 Quiz
6 Stunden zum Abschließen
Exporting your data into the training pipeline
This week you’re going to start looking at the code for using the data with input pipelines!
6 Stunden zum Abschließen
21 Videos (Gesamt 44 min), 5 Lektüren, 2 Quiz
21 Videos
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
Numpy and Pandas2m
Images1m
CSV4m
Text2m
5 Lektüren
Link to the notebook10m
Link to the CNN course10m
Link to the notebook10m
CSV: colab10m
Link to the tokenization10m
1 praktische Übung
Week 2 Quiz
4 Stunden zum Abschließen
Performance
How you load your data into your model can have a huge impact on how efficiently the model trains. You'll learn how to handle your data input to avoid bottlenecks, race conditions and more!
4 Stunden zum Abschließen
11 Videos (Gesamt 20 min)
11 Videos
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
1 praktische Übung
Week 3 Quiz
5 Stunden zum Abschließen
Publishing your datasets
This week let’s learn about how you can share your data with the world in a way that’s easy for others to consume!
5 Stunden zum Abschließen
11 Videos (Gesamt 24 min), 2 Lektüren, 2 Quiz
11 Videos
Introduction44
How to start using a dataset2m
Implementation4m
File access and possible problems in data3m
Publishing the dataset3m
Introduction18
Going through the colab (1)2m
Going through the colab (2)2m
Closing words14
A conversation with Andrew Ng1m
2 Lektüren
URLs10m
Link to the colab10m
1 praktische Übung
Week 4 Quiz
Bewertungen
Top-Bewertungen von DATA PIPELINES WITH TENSORFLOW DATA SERVICES
von YO16. Mai 2020
Debugging exercises due to errors in indentation sounded stupid in the first place. But the joy of finally getting a "yes" in the assignment auto-grader beats them all.
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 MI3. Apr. 2020
This course is quite essential, yet it is prepared too quickly? I had a hard time on Week 3 and Week 4 because the exercises are hard to grasp.
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.
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?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
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
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..
