Об этом курсе

Недавно просмотрено: 33,805

Карьерные результаты учащихся

41%

начал новую карьеру, пройдя эти курсы

45%

получил значимые преимущества в карьере благодаря этому курсу

19%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 12 часов на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Немецкий, Английский, Испанский, Японский...

Приобретаемые навыки

TensorflowMachine LearningCloud ComputingEstimator

Карьерные результаты учащихся

41%

начал новую карьеру, пройдя эти курсы

45%

получил значимые преимущества в карьере благодаря этому курсу

19%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 12 часов на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Немецкий, Английский, Испанский, Японский...

Преподаватели

от партнера

Placeholder

Google Cloud

Программа курса: что вы изучите

Оценка контентаThumbs Up82%(1,361 оценки)Info
Неделя
1

Неделя 1

3 минуты на завершение

Introduction

3 минуты на завершение
1 видео ((всего 3 мин.))
1 видео
2 ч. на завершение

The Art of ML

2 ч. на завершение
10 видео ((всего 29 мин.))
10 видео
Regularization4мин
L1 & L2 Regularizations4мин
Lab Intro: Regularization12
Lab: Regularization2мин
Learning rate and batch size5мин
Optimization1мин
Practicing with Tensorflow code1мин
Lab Intro: Hand-Tuning ML Models18
Lab Solution: Hand-Tuning ML Models7мин
2 практических упражнения
Art of ML30мин
Learning Rate and Batch Size30мин
2 ч. на завершение

Hyperparameter Tuning

2 ч. на завершение
5 видео ((всего 8 мин.))
5 видео
Parameters vs Hyperparameters2мин
Think Beyond Grid Search3мин
Lab Intro: Improve model accuracy by Hyperparameter Tuning23
Lab Solution: Improve model accuracy by Hyperparameter Tuning with Cloud AI Platform30
1 практическое упражнение
Hyperparameter Tuning30мин
Неделя
2

Неделя 2

1 ч. на завершение

A pinch of science

1 ч. на завершение
5 видео ((всего 28 мин.))
5 видео
Regularization for sparsity5мин
Lab: L1 Regularization3мин
Lab Solution: L1 Regularization51
Logistic Regression17мин
2 практических упражнения
L1 Regularization30мин
Logistic Regression30мин
3 ч. на завершение

The science of neural networks

3 ч. на завершение
6 видео ((всего 70 мин.))
6 видео
Neural Networks18мин
Lab: Neural Networks Playground12мин
Training Neural Networks14мин
Lab: Using Neural Networks to build a ML model11мин
Multi-class Neural Networks10мин
2 практических упражнения
Training Neural Networks30мин
Multi-class Neural Networks30мин
Неделя
3

Неделя 3

1 ч. на завершение

Embeddings

1 ч. на завершение
7 видео ((всего 31 мин.))
7 видео
Review of Embeddings5мин
Recommendations4мин
Data-driven Embeddings3мин
Sparse Tensors4мин
Train an Embedding4мин
Similarity Property7мин
1 практическое упражнение
Embeddings30мин
2 ч. на завершение

Custom Estimator

2 ч. на завершение
5 видео ((всего 30 мин.))
5 видео
Model Function6мин
Lab Intro: Implementing a Custom Estimator11мин
Keras Models4мин
Demo: Keras Models + Estimator2мин
1 практическое упражнение
Custom Estimator30мин
5 минут на завершение

Summary

5 минут на завершение
2 видео ((всего 5 мин.))
2 видео
Summary1мин
Specialization Summary2мин

Рецензии

Лучшие отзывы о курсе ART AND SCIENCE OF MACHINE LEARNING

Посмотреть все отзывы

Специализация Machine Learning with TensorFlow on Google Cloud Platform: общие сведения

What is machine learning, and what kinds of problems can it solve? What are the five phases of converting a candidate use case to be driven by machine learning, and why is it important that the phases not be skipped? Why are neural networks so popular now? How can you set up a supervised learning problem and find a good, generalizable solution using gradient descent and a thoughtful way of creating datasets? Learn how to write distributed machine learning models that scale in Tensorflow, scale out the training of those models. and offer high-performance predictions. Convert raw data to features in a way that allows ML to learn important characteristics from the data and bring human insight to bear on the problem. Finally, learn how to incorporate the right mix of parameters that yields accurate, generalized models and knowledge of the theory to solve specific types of ML problems. You will experiment with end-to-end ML, starting from building an ML-focused strategy and progressing into model training, optimization, and productionalization with hands-on labs using Google Cloud Platform. > By enrolling in this specialization you agree to the Qwiklabs Terms of Service as set out in the FAQ and located at: https://qwiklabs.com/terms_of_service <...
Machine Learning with TensorFlow on Google Cloud Platform

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.