Apresentaremos o TensorFlow de baixo nível e trabalharemos com os conceitos e APIs necessários para gravar modelos de aprendizado de máquina distribuídos. Levando em consideração os modelos do TensorFlow, explicaremos como fazer o escalonamento horizontal do treinamento desse modelo e oferecer previsões de alto desempenho com o Cloud Machine Learning Engine.
Objetivos do curso:
Criar modelos de aprendizado de máquina no TensorFlow
Usar as bibliotecas do TensorFlow para solucionar problemas numéricos
Resolver problemas e lidar com dificuldades comuns do código do TensorFlow
Usar o tf_estimator para criar, treinar e avaliar modelos de aprendizado de máquina
Treinar, implantar e produzir modelos de aprendizado de máquina em escala com o Cloud ML Engine
Этот курс входит в специализацию ''Специализация Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro'
Intro to TensorFlow em Português Brasileiro
от партнера
Программа курса: что вы изучите
Неделя
1Introdução
A ferramenta que utilizaremos para criar programas de aprendizado de máquina é o TensorFlow, que será apresentado neste curso. No primeiro curso, você aprendeu a formular problemas corporativos como problemas de aprendizado de máquina. No segundo, viu como a máquina funciona na prática e como criar conjuntos de dados que podem ser usados no aprendizado de máquina. Agora que seus dados estão prontos, você pode começar a criar programas de aprendizado de máquina.
2 видео ((всего 7 мин.))
Principais componentes do TensorFlow
Apresentaremos os principais componentes do TensorFlow. Além disso, você aprenderá na prática a criar programas de aprendizado de máquina. Você poderá fazer a comparação e a gravação de avaliações preguiçosas (lazy evaluation) e programas imperativos, trabalhar com gráficos, sessões e variáveis e, por fim, depurar programas do TensorFlow.
19 видео ((всего 72 мин.)), 4 тестов
19 видео
Introdução1мин
O que é o TensorFlow?2мин
Benefícios de um gráfico direcionado5мин
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
2Estimator API
Neste módulo, falaremos sobre a Estimator API.
18 видео ((всего 67 мин.)), 4 тестов
18 видео
Introdução1мин
API Estimator3мин
Estimators pré-desenvolvidos5мин
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
3Como ampliar os modelos do TensorFlow com CMLE
Agora, vamos aprender a treinar seu modelo do TensorFlow na infraestrutura gerenciada do GCP para treinamento e implantação de modelo de aprendizado de máquina.
6 видео ((всего 29 мин.)), 2 тестов
6 видео
Por que usar o Cloud Machine Learning Engine?6мин
Como treinar um modelo2мин
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
Resumo
Veja o resumo dos tópicos do TensorFlow abordados até agora no curso. Relembraremos o que foi discutido sobre o código do TensorFlow e a Estimator API, além do escalonamento dos seus modelos com o Cloud Machine Learning Engine.
1 видео ((всего 2 мин.))
1 видео
Resumo2мин
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 em Português Brasileiro'
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 <<<
Часто задаваемые вопросы
Можно ли ознакомиться с курсом до регистрации?
Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.
Когда я получу доступ к лекциям и заданиям?
Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.
Что я получу, зарегистрировавшись на курс?
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.
Когда я получу сертификат о прохождении курса?
Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.
Почему я не могу прослушать этот курс?
This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
