Об этом курсе

Недавно просмотрено: 11 793
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 2 из 4 в программе
Средний уровень

Basic understanding of Kotlin and/or Swift

Прибл. 11 часов на выполнение
Английский

Чему вы научитесь

  • Prepare models for battery-operated devices

  • Execute models on Android and iOS platforms

  • Deploy models on embedded systems like Raspberry Pi and microcontrollers

Приобретаемые навыки

TensorFlow LiteMathematical OptimizationMachine LearningTensorflowObject Detection
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 2 из 4 в программе
Средний уровень

Basic understanding of Kotlin and/or Swift

Прибл. 11 часов на выполнение
Английский

Преподаватели

от партнера

Placeholder

deeplearning.ai

Программа курса: что вы изучите

Оценка контентаThumbs Up96%(1,663 оценки)Info
Неделя
1

Неделя 1

7 ч. на завершение

Device-based models with TensorFlow Lite

7 ч. на завершение
14 видео ((всего 40 мин.)), 6 материалов для самостоятельного изучения, 3 тестов
Неделя
2

Неделя 2

1 ч. на завершение

Running a TF model in an Android App

1 ч. на завершение
15 видео ((всего 36 мин.)), 3 материалов для самостоятельного изучения, 1 тест
Неделя
3

Неделя 3

2 ч. на завершение

Building the TensorFLow model on IOS

2 ч. на завершение
22 видео ((всего 45 мин.)), 8 материалов для самостоятельного изучения, 1 тест
Неделя
4

Неделя 4

2 ч. на завершение

TensorFlow Lite on devices

2 ч. на завершение
13 видео ((всего 29 мин.)), 7 материалов для самостоятельного изучения, 1 тест

Рецензии

Лучшие отзывы о курсе DEVICE-BASED MODELS WITH TENSORFLOW LITE

Посмотреть все отзывы

Специализация TensorFlow: Data and Deployment: общие сведения

TensorFlow: Data and Deployment

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.