Об этом курсе

Недавно просмотрено: 1,642

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

Неделя 1

7 минуты на завершение

Introdução

7 минуты на завершение
2 видео ((всего 7 мин.))
2 видео
Introdução ao Qwiklabs5мин
3 ч. на завершение

Principais componentes do TensorFlow

3 ч. на завершение
19 видео ((всего 72 мин.))
19 видео
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
2

Неделя 2

4 ч. на завершение

Estimator API

4 ч. на завершение
18 видео ((всего 67 мин.))
18 видео
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
3

Неделя 3

2 ч. на завершение

Como ampliar os modelos do TensorFlow com CMLE

2 ч. на завершение
6 видео ((всего 29 мин.))
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
2 минуты на завершение

Resumo

2 минуты на завершение
1 видео ((всего 2 мин.))
1 видео
Resumo2мин

от партнера

Логотип Google Cloud

Google Cloud

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.