Über diesen Kurs

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 12 Stunden zum Abschließen

Empfohlen: Une semaine de cours, 8 à 10 heures par semaine...

Französisch

Untertitel: Französisch, Portugiesisch (Brasilien), Deutsch, Englisch, Spanisch, Japanisch...

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 12 Stunden zum Abschließen

Empfohlen: Une semaine de cours, 8 à 10 heures par semaine...

Französisch

Untertitel: Französisch, Portugiesisch (Brasilien), Deutsch, Englisch, Spanisch, Japanisch...

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
7 Minuten zum Abschließen

Introduction

2 Videos (Gesamt 7 min)
2 Videos
Présentation de Qwiklabs5m
3 Stunden zum Abschließen

Core TensorFlow

19 Videos (Gesamt 72 min), 4 Quiz
19 Videos
Qu'est-ce que TensorFlow ?2m
Avantages d'un graphe orienté5m
Hiérarchie de l'API TensorFlow3m
Évaluation paresseuse4m
Graphique et session4m
Évaluer un Tensor2m
Visualiser un graph2m
Tensors6m
Variables6m
Présentation de l'atelier : Écrire des programmes TensorFlow de bas niveau16
Solution de l'atelier8m
Présentation5m
Problèmes de forme3m
Résoudre les problèmes de forme2m
Problèmes de type de données1m
Déboguer des programmes complets4m
Présentation : Déboguer des programmes complets15
Démonstration : Déboguer des programmes complets3m
3 praktische Übungen
Qu'est-ce que TensorFlow ?2m
Graphe et session8m
Core TensorFlow20m
Woche
2
4 Stunden zum Abschließen

API Estimator

18 Videos (Gesamt 67 min), 4 Quiz
18 Videos
API Estimator3m
Estimators prédéfinis5m
Démonstration : Modèle du prix des logements1m
Points de contrôle1m
Apprentissage avec des ensembles de données en mémoire2m
Présentation de l'atelier : API Estimator39
Solution de l'atelier : API Estimator10m
Apprentissage avec de grands ensembles de données grâce à l'API Dataset8m
Présentation de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot35
Solution de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot5m
Tâches de grande envergure, apprentissage distribué6m
Assurer la surveillance avec TensorBoard3m
Démonstration : UI TensorBoard28
Fonctionnalité d'entrée de diffusion5m
Récapitulatif : API Estimator1m
Présentation de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator51
Solution de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator7m
1 praktische Übung
API Estimator18m
Woche
3
2 Stunden zum Abschließen

Effectuer le scaling des modèles TensorFlow avec CMLE

6 Videos (Gesamt 29 min), 2 Quiz
6 Videos
Pourquoi Cloud Machine Learning Engine ?6m
Entraîner un modèle2m
Surveiller et déployer des tâches d'entraînement2m
Présentation de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine50
Solution de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine16m
1 praktische Übung
Cloud MLE10m
2 Minuten zum Abschließen

Récapitulatif

1 Video (Gesamt 2 min)
1 Video

Über Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

Über den Spezialisierung Machine Learning with TensorFlow on Google Cloud Platform en Français

Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML. Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform. >>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform en Français

Häufig gestellte Fragen

  • Ja, Sie können eine Vorschau des ersten Videos und den Lehrplan ansehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um Zugriff auf die Inhalte zu erhalten, die nicht in der Vorschau inbegriffen sind.

  • Wenn Sie sich vor dem Startdatum der ersten Kurseinheit anmelden, haben Sie Zugriff auf alle Vortragsvideos und Texte für den Kurs. Sobald die erste Kurseinheit beginnt, können Sie Aufgaben einreichen.

  • Sobald Sie sich anmelden und Ihre Kurseinheit beginnt, haben Sie Zugriff auf alle Videos und andere Ressourcen, einschließlich der Texte und des Kurs-Diskussionsforums. Sie können praktische Aufgaben ansehen und einreichen und erforderliche bewertete Aufgaben abschließen, um eine Bewertung und ein Kurszertifikat zu erhalten.

  • Wenn Sie den Kurs erfolgreich abschließen, wird der Seite „Errungenschaften“ Ihr elektronisches Kurszertifikat hinzugefügt – von dort können Sie Ihr Kurszertifikat ausdrucken oder es zu Ihrem LinkedIn-Profil hinzufügen.

  • Dieser Kurs ist einer der wenigen auf Coursera angebotenen Kurse, die derzeit ausschließlich für Kursteilnehmer zugänglich sind, die bezahlt oder finanzielle Unterstützung erhalten haben, wenn diese verfügbar ist.

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