Über diesen Kurs

41,593 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“

Basic understanding of Kotlin and/or Swift

Ca. 10 Stunden zum Abschließen
Englisch

Was Sie lernen werden

  • Prepare models for battery-operated devices

  • Execute models on Android and iOS platforms

  • Deploy models on embedded systems like Raspberry Pi and microcontrollers

Kompetenzen, die Sie erwerben

TensorFlow LiteMathematical OptimizationMachine LearningTensorflowObject Detection
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“

Basic understanding of Kotlin and/or Swift

Ca. 10 Stunden zum Abschließen
Englisch

von

Placeholder

deeplearning.ai

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

6 Stunden zum Abschließen

Device-based models with TensorFlow Lite

6 Stunden zum Abschließen
14 Videos (Gesamt 40 min), 6 Lektüren, 2 Quiz
14 Videos
A few words from Laurence55
Features and components of mobile AI2m
Architecture and performance3m
Optimization Techniques2m
Saving, converting, and optimizing a model3m
Examples2m
Quantization3m
TF-Select1m
Paths in Optimization1m
Running the models1m
Transfer learning3m
Converting a model to TFLite1m
Transfer learning with TFLite5m
6 Lektüren
Prerequisites10m
Downloading the Coding Examples and Exercises10m
GPU delegates10m
Learn about supported ops and TF-Select10m
Week 1 Wrap up10m
Exercise Description10m
1 praktische Übung
Week 1 Quiz
Woche
2

Woche 2

1 Stunde zum Abschließen

Running a TF model in an Android App

1 Stunde zum Abschließen
15 Videos (Gesamt 36 min), 3 Lektüren, 1 Quiz
15 Videos
Installation and resources2m
Architecture of a model1m
Initializing the Interpreter2m
Preparing the Input1m
Inference and results1m
Code walkthrough3m
Run the App2m
Classifying camera images55
Initialize and prepare input3m
Demo of camera image classifier4m
Initialize model and prepare inputs1m
Inference and results3m
Demo of the object detection App1m
Code for the inference and results2m
3 Lektüren
Android fundamentals and installation10m
Week 2 Wrap up10m
Description10m
1 praktische Übung
Week 2 Quiz
Woche
3

Woche 3

2 Stunden zum Abschließen

Building the TensorFLow model on IOS

2 Stunden zum Abschließen
22 Videos (Gesamt 45 min), 8 Lektüren, 1 Quiz
22 Videos
A few words from Laurence1m
What is Swift?45
TerserflowLiteSwift1m
Cats vs Dogs App1m
Taking the initial steps3m
Scaling the image2m
More steps in the process3m
Looking at the App in Xcode5m
What have we done so far and how do we continue?41
Using the App50
App architecture1m
Model details1m
Initial steps4m
Final steps1m
Looking at the code for the image classification App4m
Object classification intro30
TFL detect App53
App architecture55
Initial steps58
Final steps3m
Looking at the code for the object detection model3m
8 Lektüren
Important links10m
Apple’s developer's site 10m
Apple's API10m
More details10m
Camera related functionalities10m
The Coco dataset10m
Week 3 Wrap up10m
Description10m
1 praktische Übung
Week 3 Quiz
Woche
4

Woche 4

2 Stunden zum Abschließen

TensorFlow Lite on devices

2 Stunden zum Abschließen
13 Videos (Gesamt 29 min), 7 Lektüren, 1 Quiz
13 Videos
A few words from Laurence3m
Devices3m
Starting to work on a Raspberry Pi1m
How do we start?2m
Image classification1m
The 4 step process2m
Object detection1m
Back to the 4 step process4m
Raspberry Pi demo2m
Microcontrollers2m
Closing words by Laurence28
A conversation with Andrew Ng1m
7 Lektüren
Edge TPU models10m
Options to choose from10m
Pre optimized mobileNet10m
Object detection model trained on the coco10m
Suggested links10m
Description10m
Wrap up10m
1 praktische Übung
Week 4 Quiz

Bewertungen

Top-Bewertungen von DEVICE-BASED MODELS WITH TENSORFLOW LITE

Alle Bewertungen anzeigen

Über den Spezialisierung TensorFlow: Data and Deployment

TensorFlow: Data and Deployment

Häufig gestellte Fragen

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