Об этом курсе
4.4
Оценки: 690
Рецензии: 74
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 1 week of study, 8-10 hours/week...
Доступные языки

Английский

Субтитры: Английский, Французский, Португальский (бразильский), Немецкий, Испанский, Японский...

Приобретаемые навыки

Application Programming Interfaces (API)EstimatorMachine LearningTensorflowCloud Computing
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 1 week of study, 8-10 hours/week...
Доступные языки

Английский

Субтитры: Английский, Французский, Португальский (бразильский), Немецкий, Испанский, Японский...

Программа курса: что вы изучите

Неделя
1
Часов на завершение
7 минуты на завершение

Introduction

The tool we will use to write machine learning programs is TensorFlow and so in this course, we will introduce you to TensorFlow. In the first course, you learned how to formulate business problems as machine learning problems and in the second course, you learned how machine works in practice and how to create datasets that you can use for machine learning. Now that you have the data in place, you are ready to get started writing machine learning programs....
Reading
2 видео (всего 7 мин.)
Video2 видео
Intro to Qwiklabs5мин
Часов на завершение
3 ч. на завершение

Core TensorFlow

We will introduce you to the core components of TensorFlow and you will get hands-on practice building machine learning programs. You will compare and write lazy evaluation and imperative programs, work with graphs, sessions, variables, as finally debug TensorFlow programs....
Reading
19 видео (всего 72 мин.), 4 тестов
Video19 видео
What is TensorFlow2мин
Benefits of a Directed Graph5мин
TensorFlow API Hierarchy3мин
Lazy Evaluation4мин
Graph and Session4мин
Evaluating a Tensor2мин
Visualizing a graph2мин
Tensors6мин
Variables6мин
Lab Intro: Writing low-level TensorFlow programsмин
Lab Solution8мин
Introduction5мин
Shape problems3мин
Fixing shape problems2мин
Data type problems1мин
Debugging full programs4мин
Intro: Debugging full programsмин
Demo: Debugging Full Programs3мин
Quiz3 практического упражнения
What is TensorFlow?2мин
Graphs and Sessions8мин
Core TensorFlow20мин
Неделя
2
Часов на завершение
4 ч. на завершение

Estimator API

In this module we will walk you through the Estimator API....
Reading
18 видео (всего 67 мин.), 4 тестов
Video18 видео
Estimator API3мин
Pre-made Estimators5мин
Demo: Housing Price Model1мин
Checkpointing1мин
Training on in-memory datasets2мин
Lab Intro: Estimator APIмин
Lab Solution: Estimator API10мин
Train on large datasets with Dataset API8мин
Lab Intro: Scaling up TensorFlow ingest using batchingмин
Lab Solution: Scaling up TensorFlow ingest using batching5мин
Big jobs, Distributed training6мин
Monitoring with TensorBoard3мин
Demo: TensorBoard UIмин
Serving Input Function5мин
Recap: Estimator API1мин
Lab Intro: Creating a distributed training TensorFlow model with Estimator APIмин
Lab Solution: Creating a distributed training TensorFlow model with Estimator API7мин
Quiz1 практического упражнения
Estimator API18мин
Неделя
3
Часов на завершение
2 ч. на завершение

Scaling TensorFlow models with CMLE

I’m here to talk about how you would go about taking your TensorFlow model and training it on GCP’s managed infrastructure for machine learning model training and deployed....
Reading
6 видео (всего 29 мин.), 2 тестов
Video6 видео
Why Cloud Machine Learning Engine?6мин
Train a Model2мин
Monitoring and Deploying Training Jobs2мин
Lab Intro: Scaling TensorFlow with Cloud Machine Learning Engineмин
Lab Solution: Scaling TensorFlow with Cloud Machine Learning Engine16мин
Quiz1 практического упражнения
Cloud MLE10мин
Часов на завершение
2 минуты на завершение

Summary

Here we summarize the TensorFlow topics we covered so far in this course. We'll revisit core TensorFlow code, the Estimator API, and end with scaling your machine learning models with Cloud Machine Learning Engine....
Reading
1 видео (всего 2 мин.)
Video1 видео
Summary2мин
4.4

Лучшие рецензии

автор: DWOct 17th 2018

pretty good. some of the code in the last lab could be better explained. also please debug the cloud shell, as it does not always show the "web preview" button ;) otherwise, good job!

автор: SSJun 6th 2018

Nice introduce, might be more on introduce the model structure, because I still need to read additional notes to locate how to train my deep learning model online.

Преподавателя

О Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

О специализации ''Machine Learning with TensorFlow on 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 < *Look for details below for COMPLETION CHALLENGE, receive a GCP t-shirt!* 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. Complete any GCP specialization from now through November 30, 2018 for an opportunity to receive a GCP t-shirt (while supplies last). See forums for details....
Machine Learning with TensorFlow on Google Cloud Platform

Часто задаваемые вопросы

  • Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.

  • Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.

  • После регистрации на курс и начала сессии вы получаете доступ ко всем видео и другим ресурсам курса, включая материалы для самостоятельного изучения и форумы обсуждений. Вы сможете выполнять тренировочные, а также сдавать обязательные оцениваемые задания и получить сертификат о прохождении курса.

  • Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.

  • Это один из немногих курсов на Coursera, которые предоставляются только на платной основе. Если вы хотите пройти этот курс, но не можете его оплатить, подайте заявление на получение финансовой помощи.

Остались вопросы? Посетите Центр поддержки учащихся.