Über diesen Kurs

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“
Ca. 15 Stunden zum Abschließen
Deutsch
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“
Ca. 15 Stunden zum Abschließen
Deutsch

von

Placeholder

Google Cloud

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

1 Stunde zum Abschließen

Willkommen zum serverlosen maschinellen Lernen mit der Google Cloud Platform

1 Stunde zum Abschließen
2 Videos (Gesamt 5 min), 1 Lektüre, 1 Quiz
2 Videos
Überlegungen zum maschinellen Lernen2m
1 Lektüre
Kursressourcen herunterladen10m
1 praktische Übung
ML-Kurs – Vorabfragen30m
3 Stunden zum Abschließen

Modul 1: Einführung in maschinelles Lernen

3 Stunden zum Abschließen
21 Videos (Gesamt 109 min)
21 Videos
Arten von ML3m
Die ML-Pipeline2m
Varianten des ML-Modells7m
ML-Problem eingrenzen2m
Maschinelles Lernen (ML) ausprobieren8m
Optimierung9m
Sichere Testumgebung für neuronale Netzwerke18m
Funktionen kombinieren3m
Feature Engineering3m
Bildmodelle5m
Effektives ML2m
Was macht ein gutes Dataset aus?5m
Fehlermesswerte3m
Genauigkeit2m
Genauigkeit und Trefferquote5m
Datasets für maschinelles Lernen erstellen3m
Datasets aufteilen6m
Python-Notebooks1m
Übersicht zum Lab "Datasets für maschinelles Lernen erstellen"3m
Zusammenfassung zum Lab "Datasets für maschinelles Lernen erstellen"2m
1 praktische Übung
Quiz zu Modul 130m
6 Stunden zum Abschließen

Modul 2: ML-Modelle mit TensorFlow erstellen

6 Stunden zum Abschließen
15 Videos (Gesamt 65 min)
15 Videos
Was ist TensorFlow?5m
Core TensorFlow5m
Übersicht zum Lab "Einführung in TensorFlow"7
Zusammenfassung zum TensorFlow-Lab10m
Estimator API8m
Maschinelles Lernen mit tf.estimator15
Zusammenfassung zum Lab "Estimator"7m
Effektives ML ermöglichen6m
Einführung zum Lab "Refaktorierung zum Hinzufügen von Stapelverarbeitung und Funktionserstellung"38
Zusammenfassung zum Lab "Refaktorierung"4m
Trainieren und Bewerten4m
Monitoring1m
Einführung zum Lab "Verteiltes Training und Monitoring"2m
Zusammenfassung zum Lab "Verteiltes Training und Monitoring"7m
1 praktische Übung
Quiz zu Modul 230m
2 Stunden zum Abschließen

Modul 3: ML-Modelle mit Cloud ML Engine skalieren

2 Stunden zum Abschließen
7 Videos (Gesamt 28 min)
7 Videos
Vorteile der Cloud ML Engine6m
Arbeitsablauf bei der Entwicklung1m
Trainingspakete erstellen3m
TensorFlow bereitstellen3m
Lab: ML hochskalieren39
Zusammenfassung zum Lab "ML hochskalieren"10m
1 praktische Übung
Quiz für Modul 330m
3 Stunden zum Abschließen

Modul 4: Feature Engineering

3 Stunden zum Abschließen
16 Videos (Gesamt 92 min)
16 Videos
Gute Funktionen7m
Kausalität8m
Numerisch5m
Ausreichende Beispiele7m
Von den Rohdaten zur Funktion1m
Kategoriale Merkmale8m
Funktionsverknüpfungen3m
Bucketizing3m
Breit und tief5m
Einsatzbereiche für Feature Engineering3m
Überblick zum Lab "Feature Engineering"3m
Zusammenfassung zum Lab "Feature Engineering"10m
Hyperparameter-Abstimmung + Demo15m
ML-Abstraktionsebenen4m
Fazit1m
1 praktische Übung
Quiz zu Modul 430m

Häufig gestellte Fragen

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