Этот курс входит в специализацию ''Специализация TensorFlow: Data and Deployment'

4.8
звезд
Оценки: 441

Laurence Moroney

17 477 уже зарегистрированы

от партнера

Специализация TensorFlow: Data and Deploymentdeeplearning.ai

Об этом курсе

Недавно просмотрено: 6 454

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.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

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

Специализация TensorFlow: Data and Deployment

Средний уровень

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

Прибл. 13 часов на выполнение

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 Serving
Machine Learning
federated learning
TensorFlow Hub
TensorBoard

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

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

Специализация TensorFlow: Data and Deployment

Средний уровень

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

Прибл. 13 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

4,9/5 (оценок: 42)

Laurence Moroney

Instructor

Lead AI Advocate, Google

407 878 учащихся

15 курсов

от партнера

deeplearning.ai

Программа курса: что вы изучите

Оценка контента97%(1,131 оценки)

Неделя

Неделя 1

1 ч. на завершение

TensorFlow Extended

1 ч. на завершение

12 видео ((всего 21 мин.)), 5 материалов для самостоятельного изучения, 3 тестов

12 видео

Introduction, A conversation with Andrew Ng2мин

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 материалов для самостоятельного изучения

Downloading the Ungraded Labs and Programming Assignments10мин

Installation link10мин

TF server running in colab10мин

Serving with Fashion MNIST10мин

Ungraded Assignment - Serving with MNIST10мин

1 практическое упражнение

Week 1 Quiz

Неделя

Неделя 2

6 ч. на завершение

Sharing pre-trained models with TensorFlow Hub

6 ч. на завершение

11 видео ((всего 20 мин.)), 7 материалов для самостоятельного изучения, 3 тестов

11 видео

Introduction, A conversation with Andrew Ng2мин

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 материалов 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

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, 3 тестов

10 видео

Introduction, A conversation with Andrew Ng2мин

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

Неделя 4

1 ч. на завершение

Federated Learning

1 ч. на завершение

9 видео ((всего 22 мин.)), 3 материалов для самостоятельного изучения, 2 тестов

9 видео

Introduction, A conversation with Andrew Ng2мин

Training on mobile devices2мин

Data at the edge2мин

How it works2мин

Maintaining user privacy3мин

Masking2мин

APIs for Federated Learning2мин

Example of federated learning2мин

Outro59

3 материала для самостоятельного изучения

Colab10мин

What next?10мин

(Optional) Opportunity to Mentor Other Learners10мин

1 практическое упражнение

Week 4 Quiz30мин

Рецензии

4.8

Рецензии: 56

5 stars
81,44 %
4 stars
14,25 %
3 stars
2,94 %
2 stars
0,90 %
1 star
0,45 %

Лучшие отзывы о курсе ADVANCED DEPLOYMENT SCENARIOS WITH TENSORFLOW

от партнера JS9 нояб. 2021 г.

Grader messages are not helpful due to which debugging time increases. Rest the course is quite informational and useful.

от партнера AS21 янв. 2021 г.

The fact that there were still some problems in the Course regarding technical or exercise based, it shows that this material is relatively new in the domain.

от партнера NB29 июля 2022 г.

Excellent Content. It Will definitely Advance my career.

от партнера DR6 июня 2020 г.

Enjoyed this specialization as much as I did the Tensorflow in practice. Thank you Laurence Moroney and Andrew Ng for getting these cool topics to all of us, so we can contribute back to community.

Посмотреть все отзывы

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. Looking for a place to start? Master the foundational basics of TensorFlow with the DeepLearning.AI TensorFlow Developer Professional Certificate. Looking to customize and build powerful real-world models for complex scenarios? Check out the TensorFlow: Advanced Techniques Specialization.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
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.
Какие правила возврата средств?
Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.

Остались вопросы? Посетите Центр поддержки учащихся.

Advanced Deployment Scenarios with TensorFlow

Об этом курсе

Чему вы научитесь

Приобретаемые навыки