Об этом курсе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 12 часа на выполнение

Предполагаемая нагрузка: 1 semana de estudo, de 8 a 10 horas/semana...

Португальский (бразильский)

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

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 12 часа на выполнение

Предполагаемая нагрузка: 1 semana de estudo, de 8 a 10 horas/semana...

Португальский (бразильский)

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

Программа курса: что вы изучите

Неделя
1
7 минуты на завершение

Introdução

2 видео ((всего 7 мин.))
2 видео
3 ч. на завершение

Principais componentes do TensorFlow

19 видео ((всего 72 мин.)), 4 тестов
19 видео
Hierarquia da API do TensorFlow3мин
Avaliação preguiçosa4мин
Gráfico e sessão4мин
Como avaliar um tensor2мин
Como visualizar um gráfico2мин
Tensores6мин
Variáveis6мин
Introdução ao laboratório: como escrever programas do TensorFlow em baixo nível16
Solução do laboratório8мин
Introdução5мин
Problemas de forma3мин
Como resolver problemas de forma2мин
Problemas de tipo de dados1мин
Como depurar programas completos4мин
Introdução: como depurar programas completos15
Demonstração: como depurar programas completos3мин
3 практического упражнения
O que é o TensorFlow?2мин
Gráfico e sessão8мин
Principais componentes do TensorFlow20мин
Неделя
2
4 ч. на завершение

Estimator API

18 видео ((всего 67 мин.)), 4 тестов
18 видео
Demonstração: modelo do preço de imóveis1мин
Como estabelecer pontos de verificação1мин
Treinamento em conjuntos de dados na memória2мин
Introdução ao laboratório: API Estimator39
Solução do laboratório: API Estimator10мин
Treinamento em grandes conjuntos de dados com a API Dataset8мин
Introdução ao laboratório: como escalonar a ingestão do TensorFlow com o uso de lotes35
Solução do laboratório: como escalonar a ingestão do TensorFlow com o uso de lotes5мин
Grandes jobs, treinamento distribuído6мин
Como monitorar com o TensorBoard3мин
Demonstração: IU do TensorBoard28
Como disponibilizar funções de entrada5мин
Recapitulação: API Estimator1мин
Introdução ao laboratório: como criar um modelo de treinamento do TensorFlow com a API Estimator51
Solução do laboratório: como criar um modelo de treinamento do TensorFlow com a API Estimator7мин
1 практическое упражнение
Teste – Estimator API18мин
Неделя
3
2 ч. на завершение

Como ampliar os modelos do TensorFlow com CMLE

6 видео ((всего 29 мин.)), 2 тестов
6 видео
Como monitorar e implantar jobs de treinamento2мин
Introdução ao laboratório: como escalonar o TensorFlow com o Cloud Machine Learning Engine50
Solução do laboratório: como escalonar o TensorFlow com o Cloud Machine Learning Engine16мин
1 практическое упражнение
Teste – Cloud MLE10мин
2 минуты на завершение

Resumo

1 видео ((всего 2 мин.))
1 видео
Resumo2мин

Преподаватели

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....

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

O que é aprendizado de máquina e que tipos de problema ele pode resolver? Quais são as cinco fases da conversão de um possível caso de uso de aprendizado de máquina e por que é importante que elas não sejam ignoradas? Por que as redes neurais são tão requisitadas hoje? Como configurar um problema de aprendizado supervisionado, além de encontrar uma solução ótima e generalizável com gradiente descendente e uma boa forma de criar conjuntos de dados? Aprenda a gravar modelos de aprendizado de máquina distribuídos com escalonamento no TensorFlow, faça escalonamento horizontal do treinamento desses modelos e ofereça previsões de alto desempenho. Converta dados brutos em atributos para informar características importantes desses dados ao aprendizado de máquina e ofereça uma percepção humana para dar suporte ao problema. Por fim, aprenda a incorporar a combinação ideal de parâmetros que produz modelos precisos e generalizados, além de conhecer a teoria para resolver tipos específicos de problemas de aprendizado de máquina. Você passará por todas as etapas do aprendizado de máquina, desde a criação de uma estratégia voltada para aprendizado de máquina até o treinamento, a otimização e a produção de modelos em laboratórios práticos com o Google Cloud Platform. >>> Ao se inscrever nesta especialização você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro

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.

Остались вопросы? Посетите Центр поддержки учащихся.