Об этом курсе

Недавно просмотрено: 37,277

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 4 из 4 в программе

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have basic familiarity with building models in TensorFlow.

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Use TensorFlow Serving to do inference over the web

  • Navigate TensorFlow Hub, a repository of models that you can use for transfer learning

  • Evaluate how your models work and share model metadata using TensorBoard

  • Explore federated learning and how to retrain deployed models while maintaining data privacy

Приобретаемые навыки

TensorFlow ServingMachine Learningfederated learningTensorFlow HubTensorBoard

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 4 из 4 в программе

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have basic familiarity with building models in TensorFlow.

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1

Неделя 1

1 ч. на завершение

TensorFlow Extended

1 ч. на завершение
12 видео ((всего 21 мин.)), 5 материалов для самостоятельного изучения, 1 тест
12 видео
Introduction24
Serving3мин
Installing TF Serving1мин
TensorFlow Serving summary30
Setup for serving2мин
Serving1мин
Predictions41
Passing data to serving1мин
Getting the predictions back1мин
Running the colab2мин
Complex model2мин
5 материала для самостоятельного изучения
Downloading the Coding Examples and Exercises10мин
Installation link10мин
TF server running in colab10мин
Serving with Fashion MNIST10мин
Ungraded Exercise - Serving with MNIST10мин
1 практическое упражнение
Week 1 Quiz
Неделя
2

Неделя 2

5 ч. на завершение

Sharing pre-trained models with TensorFlow Hub

5 ч. на завершение
11 видео ((всего 20 мин.)), 7 материалов для самостоятельного изучения, 2 тестов
11 видео
Introduction to TF Hub2мин
Transfer learning1мин
Inference1мин
Module storage2мин
Text based models1мин
Word embeddings1мин
Experimenting with embeddings1мин
Colab1мин
Classify cats and dogs1мин
Transfer learning1мин
7 материала для самостоятельного изучения
Tensorflow Hub link10мин
Link to saved models10мин
Colab10мин
Pre-trained Word Embeddings10мин
Text Classification Colab10мин
MobileNet model details10мин
Colab10мин
1 практическое упражнение
Week 2 Quiz
Неделя
3

Неделя 3

5 ч. на завершение

Tensorboard: tools for model training

5 ч. на завершение
10 видео ((всего 16 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
10 видео
Tensorboard scalars1мин
Callbacks42
Histograms59
Publishing model details1мин
Local tensorboard2мин
Looking at graphics in a dataset2мин
More than one image56
Confusion matrix2мин
Multiple callbacks1мин
2 материала для самостоятельного изучения
tensorboard.dev10мин
Colab10мин
1 практическое упражнение
Week 3 Quiz4мин
Неделя
4

Неделя 4

1 ч. на завершение

Federated Learning

1 ч. на завершение
9 видео ((всего 22 мин.)), 1 материал для самостоятельного изучения, 1 тест
9 видео
Training on mobile devices2мин
Data at the edge2мин
How it works2мин
Maintaining user privacy3мин
Masking2мин
APIs for Federated Learning2мин
Example of federated learning2мин
Outro59
1 материал для самостоятельного изучения
Colab10мин
1 практическое упражнение
Week 4 Quiz16мин

Рецензии

Лучшие отзывы о курсе ADVANCED DEPLOYMENT SCENARIOS WITH TENSORFLOW
Посмотреть все отзывы

О deeplearning.ai

deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders....

Специализация TensorFlow: Data and Deployment: общие сведения

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....
TensorFlow: Data and Deployment

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.