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 model. 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, use APIs to control how data splitting, and process all types of unstructured data. 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 AI. 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.
Spezialisierung TensorFlow: Data and Deployment
von
Was Sie lernen werden
Run models in your browser using TensorFlow.js
Prepare and deploy models on mobile devices using TensorFlow Lite
Access, organize, and process training data more easily using TensorFlow Data Services
Explore four advanced deployment scenarios using TensorFlow Serving, TensorFlow Hub, and TensorBoard
Kompetenzen, die Sie erwerben
Kurse, die komplett online stattfinden
Flexibler Zeitplan
Stufe „Mittel“
Ca. 1 Monat zum Abschließen
Englisch
So funktioniert die Spezialisierung
Kurse absolvieren
Eine Coursera-Spezialisierung ist eine Reihe von Kursen, in denen Sie eine Kompetenz erwerben. Um zu beginnen, melden Sie sich direkt für die Spezialisierung an oder überprüfen Sie deren Kurse und wählen Sie denjenigen Kurs aus, mit dem Sie beginnen möchten. Wenn Sie einen Kurs abonnieren, der Bestandteil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung Es ist in Ordnung, wenn Sie nur einen Kurs absolvieren möchten — Sie können Ihren Lernprozess jederzeit unterbrechen oder Ihr Abonnement kündigen. Gehen Sie zu Ihrem Kursteilnehmer-Dashboard, um Ihre Kursanmeldungen und Ihren Fortschritt zu verfolgen.
Praxisprojekt
Jede Spezialisierung umfasst ein Praxisprojekt. Sie müssen das Projekt/die Projekte erfolgreich abschließen, um die Spezialisierung abzuschließen und Ihr Zertifikat zu erwerben. Wenn die Spezialisierung einen separaten Kurs für das Praxisprojekt umfasst, müssen Sie zunächst alle anderen Kurse abschließen, bevor Sie damit beginnen können.
Zertifikat erwerben
Wenn Sie alle Kurse und das Praxisprojekt abgeschlossen haben, erhalten Sie ein Zertifikat, dass Sie für potenzielle Arbeitgeber und Ihr berufliches Netzwerk freigeben können.
Es gibt 4 Kurse in dieser Spezialisierung
Browser-based Models with TensorFlow.js
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 first course, you’ll train and run machine learning models in any browser using TensorFlow.js. You’ll learn techniques for handling data in the browser, and at the end you’ll build a computer vision project that recognizes and classifies objects from a webcam. 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.
Device-based Models with TensorFlow Lite
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. This second course teaches you how to run your machine learning models in mobile applications. You’ll learn how to prepare models for a lower-powered, battery-operated devices, then execute models on both Android and iOS platforms. Finally, you’ll explore how to deploy on embedded systems using TensorFlow on Raspberry Pi and microcontrollers. 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.
Data Pipelines with TensorFlow Data Services
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’ll use a suite of tools in TensorFlow to more effectively leverage data and train your model. You’ll learn how to leverage built-in datasets with just a few lines of code, use APIs to control how you split your data, and process all types of unstructured data. 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.
Advanced Deployment Scenarios with TensorFlow
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 final course, you’ll explore four different scenarios you’ll encounter when deploying models. You’ll be introduced to TensorFlow Serving, a technology that lets you do inference over the web. You’ll move on to TensorFlow Hub, a repository of models that you can use for transfer learning. Then you’ll use TensorBoard to evaluate and understand how your models work, as well as share your model metadata with others. Finally, you’ll explore federated learning and how you can retrain deployed models with user data while maintaining data privacy. 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.
Dozent
Laurence Moroney
AI AdvocateÜber deeplearning.ai
Häufig gestellte Fragen
Wie erfolgen Rückerstattungen?
Kann ich mich auch nur für einen Kurs anmelden?
Ja! Um loszulegen, klicken Sie auf die Kurskarte, die Sie interessiert, und melden Sie sich an. Sie können sich anmelden und den Kurs absolvieren, um ein teilbares Zertifikat zu erwerben, oder Sie können als Gast teilnehmen, um die Kursmaterialien gratis einzusehen. Wenn Sie einen Kurs abonnieren, der Teil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung. Auf Ihrem Kursteilnehmer-Dashboard können Sie Ihren Fortschritt verfolgen.
Ist finanzielle Unterstützung möglich?
Kann ich kostenlos an diesem Kurs teilnehmen?
Findet dieser Kurs wirklich ausschließlich online statt? Muss ich zu irgendwelchen Sitzungen persönlich erscheinen?
Dieser Kurs findet ausschließlich online statt, Sie müssen also zu keiner Sitzung persönlich erscheinen. Sie können jederzeit und überall über das Netz oder Ihr Mobilgerät auf Ihre Vorträge, Lektüren und Aufgaben zugreifen.
Erhalte ich akademische Leistungspunkte für den Abschluss der Spezialisierung?
Für diese Spezialisierung gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Spezialisierungszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren.
Wie lange dauert es, die Spezialisierung abzuschließen?
We recommend taking 4 weeks of study, 4-5 hours per week, to finish each course in the Specialization. The Specialization includes 4 courses.
What background knowledge is necessary?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
