Об этом курсе
539

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: 8–10 Stunden innerhalb einer Woche...

Немецкий

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: 8–10 Stunden innerhalb einer Woche...

Немецкий

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

Программа курса: что вы изучите

Неделя
1
17 минуты на завершение

Einführung

Zum Schreiben von Programmen für maschinelles Lernen verwenden wir TensorFlow. Dieser Kurs bietet daher eine Einführung in das Tool. Im ersten Kurs haben Sie erfahren, wie Sie geschäftliche Herausforderungen in Aufgaben für das maschinelle Lernen umformulieren. Sie haben gelernt, wie maschinelles Lernen in der Praxis funktioniert und wie Sie verwertbare Datasets erstellen. Nachdem Sie die benötigten Daten erfasst haben, können Sie mit dem Schreiben von ML-Programmen beginnen....
2 видео ((всего 7 мин.)), 1 материал для самостоятельного изучения
2 видео
Einführung in Qwiklabs5мин
1 материал для самостоятельного изучения
Kursressourcen herunterladen10мин
3 ч. на завершение

Kernkonzept von TensorFlow

Dies ist eine Einführung in die Hauptkomponenten von TensorFlow und Sie lernen in praktischen Übungen, wie Sie ein ML-Programm erstellen. Außerdem vergleichen und schreiben Sie Programme für verzögerte Bewertungen sowie erforderliche Programme, arbeiten mit Graphen, Sitzungen und Variablen und beheben schließlich Fehler in TensorFlow-Programmen. ...
19 видео ((всего 72 мин.)), 4 тестов
19 видео
Was ist TensorFlow?2мин
Vorteile von gerichteten Graphen5мин
TensorFlow API-Hierarchie3мин
Verzögerte Bewertung4мин
Graph und Sitzung4мин
Tensoren auswerten2мин
Graphen visualisieren2мин
Tensoren6мин
Variablen6мин
Lab-Einführung: Low-Level-TensorFlow-Programme schreiben16
Lösungen für das Lab8мин
Einführung5мин
Formprobleme3мин
Formprobleme lösen2мин
Probleme mit Datentypen1мин
Fehlerbehebung bei Vollprogrammen4мин
Einführung: Fehlerbehebung bei Vollprogrammen15
Demo: Fehlerbehebung bei Vollprogrammen3мин
3 практического упражнения
Was ist TensorFlow?2мин
Graph und Sitzung8мин
Kernkonzept von TensorFlow20мин
Неделя
2
4 ч. на завершение

Estimator API

In diesem Modul wird die Estimator API erläutert....
18 видео ((всего 67 мин.)), 4 тестов
18 видео
Estimator API3мин
Vorgefertigte Estimators5мин
Demo: Modell über Hauspreise1мин
Prüfpunktausführung1мин
Datensätze im Speicher trainieren2мин
Lab-Einführung: Estimator API39
Lösungen für das Lab: Estimator API10мин
Mit Dataset API große Datensätze trainieren8мин
Lab-Einführung: TensorFlow-Aufnahme mit Batching hochskalieren35
Lösungen für das Lab: TensorFlow-Aufnahme mit Batching hochskalieren5мин
Große Aufträge, verteiltes Training6мин
Mit TensorBoard überwachen3мин
Demo: TensorBoard-Benutzeroberfläche28
Bereitstellungseingabefunktion5мин
Zusammenfassung Estimator API1мин
Lab-Einführung: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen51
Lösungen für das Lab: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen7мин
1 практическое упражнение
Estimator API18мин
Неделя
3
2 ч. на завершение

TensorFlow-Modelle mit CMLE skalieren

In diesem Modul erfahren Sie, wie Sie Ihr TensorFlow-Modell in der verwalteten Infrastruktur der GCP durch maschinelles Lernen trainieren und bereitstellen....
6 видео ((всего 29 мин.)), 2 тестов
6 видео
Gründe für die Cloud Machine Learning Engine6мин
Modelle trainieren2мин
Trainingsjobs überwachen und bereitstellen2мин
Lab-Einführung: TensorFlow mit Cloud Machine Learning Engine skalieren50
Lösungen für das Lab: TensorFlow mit Cloud Machine Learning Engine skalieren16мин
1 практическое упражнение
Cloud MLE10мин
2 минуты на завершение

Zusammenfassung

Hier fassen wir die bisher in diesem Kurs behandelten TensorFlow-Themen zusammen. Wir gehen noch einmal auf den Kerncode von TensorFlow und die Estimator API ein. Den Abschluss bildet die Skalierung Ihrer Modelle für maschinelles Lernen mit Cloud Machine Learning Engine....
1 видео ((всего 2 мин.))
1 видео

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....

О специализации ''Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch'

Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Was sind die fünf Phasen zur Umsetzung eines für ML geeigneten Anwendungsfalls und warum darf keine dieser Phasen übersprungen werden? Warum sind neuronale Netze gerade so beliebt? Wie können Sie ein Projekt für betreutes Lernen gestalten und mithilfe des Gradientenverfahrens und sinnvoll erstellten Datasets eine gute, generalisierbare Lösung finden? In diesem Kurs lernen Sie, verteilte Modelle für ML zu schreiben, die in TensorFlow skaliert werden, das Training dieser Modelle horizontal zu skalieren und leistungsstarke Vorhersagen zu erstellen. Wir gehen darauf ein, wie Sie Rohdaten so in Merkmale umwandeln, dass ML wichtige Eigenschaften dieser Daten erlernen kann und menschliche Einblicke in das Problem zulässt. Schließlich lernen Sie, die richtige Mischung aus Parametern zu verwenden, um präzise und generalisierte Modelle zu erstellen, und Sie erhalten eine Einführung in die Theorie zum Lösen bestimmter Arten von ML-Problemen. Auf diese Weise gewinnen Sie ein umfassendes Verständnis von ML. Zuerst erstellen Sie eine auf ML ausgerichtete Strategie. Dann fahren Sie mit Modelltraining, Optimierung und Produktentwicklung fort. Hierbei helfen Ihnen praxisorientierte Labs der Google Cloud Platform. >>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

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.