Ce cours présente l'approche TensorFlow de bas niveau et dresse la liste des concepts et API nécessaires pour la rédaction de modèles de machine learning distribués. Nous verrons comment appliquer une évolutivité horizontale à l'entraînement d'un modèle TensorFlow afin d'offrir des prédictions très pertinentes avec Cloud Machine Learning Engine.
Objectifs du cours :
Créer des modèles de machine learning dans TensorFlow
Utiliser les bibliothèques TensorFlow pour résoudre des problèmes numériques
Résoudre les problèmes et déboguer les erreurs de code courantes sur TensorFlow
Utiliser tf.estimator pour créer, entraîner et évaluer un modèle de ML
Entraîner et déployer les modèles de ML avant de les envoyer en production à grande échelle avec Cloud ML Engine
Intro to TensorFlow en Français
от партнера
Intro to TensorFlow en Français
Google Cloud
Программа курса: что вы изучите
Неделя
1Introduction
Nous utiliserons l'outil TensorFlow pour rédiger des programmes de machine learning. Par conséquent, ce cours comporte une présentation de TensorFlow. Lors du premier cours, vous avez appris à transposer les problèmes d'une entreprise en problèmes de machine learning. Dans le deuxième cours, vous avez compris le fonctionnement pratique du machine learning, et appris à créer des ensembles de données appliqués au machine learning. Maintenant que vous avez toutes les données en main, vous êtes prêt à commencer la rédaction de programmes de machine learning.
2 видео (всего 7 мин.)
Core TensorFlow
Nous vous présenterons les principaux composants de TensorFlow, et vous pourrez vous exercer, à travers des ateliers pratiques, à créer des programmes de machine learning. Vous pourrez rédiger une évaluation paresseuse et des programmes impératifs, puis les comparer, travailler avec des graphes, des sessions et des variables, et enfin déboguer les programmes TensorFlow.
19 видео (всего 72 мин.), 4 тестов
19 видео
Présentation1мин
Qu'est-ce que TensorFlow ?2мин
Avantages d'un graphe orienté5мин
Hiérarchie de l'API TensorFlow3мин
Évaluation paresseuse4мин
Graphique et session4мин
Évaluer un Tensor2мин
Visualiser un graph2мин
Tensors6мин
Variables6мин
Présentation de l'atelier : Écrire des programmes TensorFlow de bas niveauмин
Solution de l'atelier8мин
Présentation5мин
Problèmes de forme3мин
Résoudre les problèmes de forme2мин
Problèmes de type de données1мин
Déboguer des programmes complets4мин
Présentation : Déboguer des programmes completsмин
Démonstration : Déboguer des programmes complets3мин
3 практического упражнения
Qu'est-ce que TensorFlow ?2мин
Graphe et session8мин
Core TensorFlow20мин
Неделя
2API Estimator
Au cours de ce module, nous allons vous présenter dans le détail l'API Estimator.
18 видео (всего 67 мин.), 4 тестов
18 видео
Présentation1мин
API Estimator3мин
Estimators prédéfinis5мин
Démonstration : Modèle du prix des logements1мин
Points de contrôle1мин
Apprentissage avec des ensembles de données en mémoire2мин
Présentation de l'atelier : API Estimatorмин
Solution de l'atelier : API Estimator10мин
Apprentissage avec de grands ensembles de données grâce à l'API Dataset8мин
Présentation de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lotмин
Solution de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot5мин
Tâches de grande envergure, apprentissage distribué6мин
Assurer la surveillance avec TensorBoard3мин
Démonstration : UI TensorBoardмин
Fonctionnalité d'entrée de diffusion5мин
Récapitulatif : API Estimator1мин
Présentation de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimatorмин
Solution de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator7мин
1 практическое упражнение
API Estimator18мин
Неделя
3Effectuer le scaling des modèles TensorFlow avec CMLE
Nous allons voir comment transférer et entraîner votre modèle TensorFlow sur l'infrastructure gérée de GCP dédiée à l'entraînement et au déploiement de modèles de machine learning.
6 видео (всего 29 мин.), 2 тестов
6 видео
Présentationмин
Pourquoi Cloud Machine Learning Engine ?6мин
Entraîner un modèle2мин
Surveiller et déployer des tâches d'entraînement2мин
Présentation de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engineмин
Solution de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine16мин
1 практическое упражнение
Cloud MLE10мин
Récapitulatif
Voici un récapitulatif des sujets TensorFlow que nous avons abordés dans ce cours. Nous examinerons à nouveau le code Core TensorFlow et l'API Estimator, et nous finirons par effectuer le scaling de vos modèles de machine learning avec Cloud Machine Learning Engine.
1 видео (всего 2 мин.)
1 видео
Récapitulatif2мин
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.
Часто задаваемые вопросы
Can I preview a course before enrolling?
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
When will I have access to the lectures and assignments?
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
What will I get when I enroll?
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.
When will I receive my Course Certificate?
If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.
Why can’t I audit this course?
This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid. If you’d like to take this course, but can’t afford the course fee, we encourage you to submit a financial aid application.
What is the refund policy?
Is financial aid available?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2018 Все права защищены.
