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

4.2
звезд
Оценки: 311
•
Рецензии: 83

Laurence Moroney

13,742 уже зарегистрированы

от партнера

Специализация TensorFlow: Data and Deploymentdeeplearning.ai

Об этом курсе

Недавно просмотрено: 58,400

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 will:
- Perform streamlined ETL tasks using TensorFlow Data Services
- Load different datasets and custom feature vectors using TensorFlow Hub and TensorFlow Data Services APIs
- Create and use pre-built pipelines for generating highly reproducible I/O pipelines for any dataset
- Optimize data pipelines that become a bottleneck in the training process
- Publish your own datasets to the TensorFlow Hub library and share standardized data with researchers and developers around the world


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.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 4 в программе

Специализация TensorFlow: Data and Deployment

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

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

Прибл. 11 часов на выполнение

Английский

Субтитры: Арабский, Французский, Португальский (Европа), Итальянский, Вьетнамский, Немецкий, Русский, Английский, Испанский

Чему вы научитесь

Perform efficient ETL tasks using Tensorflow Data Services APIs

Construct train/validation/test splits of any dataset - either custom or present in TensorFlow Hub Dataset library - using Splits API

Use different modules and functions of the TFDS API to prepare your data for training pipelines

Identify bottlenecks in your input pipelines and increase your workflow efficiency by input parallelization

Приобретаемые навыки

Artificial Neural NetworkTensorflowExtraction, Transformation And Loading (ETL)Data PipelinesTensorFlow Datasets

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 4 в программе

Специализация TensorFlow: Data and Deployment

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

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

Прибл. 11 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

4.82/5 (оценок: 28)

Laurence Moroney

Instructor

Lead AI Advocate, Google

301,737 учащихся

15 курсов

от партнера

deeplearning.ai

DeepLearning.AI is an education technology company that develops a global community of AI talent.

Программа курса: что вы изучите

Неделя

Неделя 1

3 ч. на завершение

Data Pipelines with TensorFlow Data Services

This week, you will be able to perform efficient ETL tasks using Tensorflow Data Services APIs

3 ч. на завершение

10 видео ((всего 21 мин.)), 4 материалов для самостоятельного изучения, 2 тестов

10 видео

A conversation with Andrew Ng2мин

Introduction1мин

Popular Datasets2мин

Data Pipelines58

Extract, Transform and Load3мин

Versioning Datasets2мин

Looking at the Notebook1мин

Using TFDS in Keras to Train Fashion MNIST 3мин

Horses or Humans in TFDS2мин

Week 1 Wrap Up49

4 материала для самостоятельного изучения

Downloading the Coding Examples and Exercises10мин

Try Out the Notebook Yourself10мин

Try the Horses or Human Notebook10мин

Grader Note10мин

1 практическое упражнение

Week 1 Quiz30мин

Неделя

Неделя 2

2 ч. на завершение

Splits and Slices API for Datasets in TF

In this week, you will construct train/validation/test splits of any dataset - either custom or present in TensorFlow hub dataset library - using Splits API

2 ч. на завершение

7 видео ((всего 26 мин.)), 3 материалов для самостоятельного изучения, 2 тестов

7 видео

Introduction1мин

Introduction to Splits API5мин

Splits API Notebook Walkthrough5мин

File Structure in TensorFlow Datasets1мин

Feature Descriptors4мин

TFRecord Colab Walkthrough5мин

Week 2 Wrap Up1мин

3 материала для самостоятельного изучения

Splits API Colab10мин

TFRecord Colab 10мин

Grader Note10мин

1 практическое упражнение

Week 230мин

Неделя

Неделя 3

3 ч. на завершение

Exporting Your Data into the Training Pipeline

This week you will extend your knowledge of data pipelines

3 ч. на завершение

21 видео ((всего 44 мин.)), 5 материалов для самостоятельного изучения, 2 тестов

21 видео

A Conversation with Andrew Ng1мин

Introduction22

Input Data1мин

Basic Mechanics2мин

Numeric and Bucketized Columns2мин

Vocabulary and Hashed Columns, Feature Crossing2мин

Embedding Columns2мин

Introduction24

Notebook Walkthrough4мин

Introduction19

Numpy, Pandas and Images2мин

CSV3мин

Text and TFRecord1мин

Generators1мин

Introduction17

Notebook walkthrough4мин

Introduction1мин

Using Numpy and Pandas2мин

Image Data1мин

CSV Data4мин

Text Data2мин

5 материалов для самостоятельного изучения

Link to the Notebook10мин

Link to the CNN Course10мин

Link to the Notebook10мин

CSV Colab10мин

Link to the Course 10мин

1 практическое упражнение

Week 3 Quiz30мин

Неделя

Неделя 4

3 ч. на завершение

Performance

You'll learn how to handle your data input to avoid bottlenecks, race conditions and more!

3 ч. на завершение

22 видео ((всего 44 мин.)), 2 материалов для самостоятельного изучения, 3 тестов

22 видео

A conversation with Andrew Ng2мин

Introduction36

ETL2мин

What Happens When You Train a Model2мин

Introduction25

Caching58

Parallelism APIs2мин

Autotuning2мин

Parallelizing Data Extraction2мин

Best Practices for Code Improvements3мин

A Few Words by Laurence34

A conversation with Andrew Ng1мин

Introduction44

How to Start Using a Dataset2мин

Implementation4мин

File Access and Possible Problems in Data3мин

Publishing the Dataset3мин

Introduction18

Going Through the Colab- Part 12мин

Going Through the Colab - Part 22мин

Closing Words14

A conversation with Andrew Ng1мин

2 материала для самостоятельного изучения

URLs10мин

Link to the Colab10мин

2 практических упражнения

Week 4 Quiz

Publishing your Dataset Quiz

Рецензии

4.2

Рецензии: 83

5 stars
55.09%
4 stars
23.24%
3 stars
11.78%
2 stars
6.05%
1 star
3.82%

Лучшие отзывы о курсе DATA PIPELINES WITH TENSORFLOW DATA SERVICES

от партнера VK28 мар. 2020 г.

Basically, i liked the course as I got lots of new knowledge about data pipelining using tensorflow. However, the one downside of the course is the last week's assignment, which is just awful.

от партнера YO16 мая 2020 г.

Debugging exercises due to errors in indentation sounded stupid in the first place. But the joy of finally getting a "yes" in the assignment auto-grader beats them all.

от партнера PC16 апр. 2020 г.

I understand why most of the students are furious about, but content wise, it one of those extremely helpful and important courses in Coursera. Really loved it!

от партнера MI3 апр. 2020 г.

This course is quite essential, yet it is prepared too quickly? I had a hard time on Week 3 and Week 4 because the exercises are hard to grasp.

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.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Why was Course 3: Data Pipelines with TensorFlow Data Service updated in October 2020?
Changes in TensorFlow API: Since this Specialization was launched in early 2020, there have been changes to the TensorFlow API which affect the material in Weeks 1 and 2. With this refresh, you can access updated lectures, quizzes, and assignments.
Changing the Difficulty Level of Assignments: Based on valuable learner feedback, we’ve revised the Week 4 assignments to ensure that you have a full grasp of the foundational principles and are well-prepared to tackle them.
Получу ли я зачеты в университете за прохождение курса?
Этот курс не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.

Остались вопросы? Посетите Центр поддержки учащихся.

Data Pipelines with TensorFlow Data Services