Об этом курсе

Недавно просмотрено: 49,063

Карьерные результаты учащихся

12%

начал новую карьеру, пройдя эти курсы

18%

получил значимые преимущества в карьере благодаря этому курсу

14%

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. 14 часов на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Немецкий, Русский, Английский, Испанский, Японский...

Карьерные результаты учащихся

12%

начал новую карьеру, пройдя эти курсы

18%

получил значимые преимущества в карьере благодаря этому курсу

14%

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. 14 часов на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Немецкий, Русский, Английский, Испанский, Японский...

Преподаватели

от партнера

Placeholder

Google Cloud

Программа курса: что вы изучите

Оценка контентаThumbs Up88%(1,858 оценки)Info
Неделя
1

Неделя 1

1 минута на завершение

Introduction

1 минута на завершение
1 видео ((всего 1 мин.))
3 ч. на завершение

Raw Data to Features

3 ч. на завершение
14 видео ((всего 52 мин.))
14 видео
Good vs Bad Features2мин
Quiz: Features are Related to the Objective3мин
Features Known at Prediction-time3мин
Quiz: Features are Knowable at Prediction Time4мин
Lab Intro: Basic Feature Engineering in Keras30
Quiz: Features Should be Numeric5мин
Features Should Have Enough Examples1мин
Quiz: Features Should Have Enough Examples (p1)2мин
Quiz: Features Should Have Enough Examples (p2)2мин
Bringing Human Insight27
Representing Features8мин
ML vs Statistics3мин
Lab Solution: Improve model accuracy with new features12мин
2 практических упражнения
Raw Data to Features30мин
Representing Features30мин
5 ч. на завершение

Preprocessing and Feature Creation

5 ч. на завершение
10 видео ((всего 52 мин.))
10 видео
Beam and Dataflow9мин
Lab Intro: Simple Dataflow Pipeline19
Lab Solution: Simple Dataflow Pipeline6мин
Data Pipelines that Scale5мин
Lab Intro: MapReduce in Dataflow33
Lab Solution: MapReduce in Dataflow3мин
Preprocessing with Cloud Dataprep6мин
Lab Intro: Computing Time-Windowed Features in Cloud Dataprep10мин
Lab Solution: Computing Time-Windowed Features in Cloud Dataprep36
3 практических упражнения
Preprocessing and Feature Creation30мин
Apache Beam and Cloud Dataflow30мин
Preprocessing with Cloud Dataprep30мин
3 ч. на завершение

Feature Crosses

3 ч. на завершение
18 видео ((всего 90 мин.))
18 видео
What is a Feature Cross?5мин
Discretization1мин
Memorization vs. Generalization4мин
Taxi colors4мин
Lab Intro: Feature Crosses to create a good classifier26
Lab Solution: Feature Crosses to create a good classifier6мин
Sparsity + Quiz5мин
Lab Intro: Too Much of a Good Thing31
Lab Solution: Too Much of a Good Thing7мин
Implementing Feature Crosses5мин
Embedding Feature Crosses9мин
Where to Do Feature Engineering6мин
Feature Creation in TensorFlow2мин
Feature Creation in DataFlow2мин
Lab Intro: Improve ML Model with Feature Engineering42
Lab Solution (p1): ML Fairness Debrief3мин
Lab Solution (p2): Improve ML Model with Feature Engineering20мин
1 практическое упражнение
Feature crosses30мин
2 ч. на завершение

TF Transform

2 ч. на завершение
7 видео ((всего 42 мин.))
7 видео
TensorFlow Transform8мин
Analyze phase3мин
Transform phase4мин
Supporting serving3мин
Lab Intro: Exploring tf.transform1мин
Lab Solution: Exploring tf.transform19мин
1 практическое упражнение
tf.transform30мин
3 минуты на завершение

Summary

3 минуты на завершение
1 видео ((всего 3 мин.))
1 видео
Summary3мин

Рецензии

Лучшие отзывы о курсе ПРОЕКТИРОВАНИЕ ПРИЗНАКОВ

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.