Об этом курсе
100% online

100% online

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 13 часа на выполнение

Предполагаемая нагрузка: Une semaine de cours, 8 à 10 heures par semaine...
Доступные языки

Английский

Субтитры: Английский, Французский, Португальский (бразильский), Немецкий, Испанский, Японский...
100% online

100% online

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 13 часа на выполнение

Предполагаемая нагрузка: Une semaine de cours, 8 à 10 heures par semaine...
Доступные языки

Английский

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

Программа курса: что вы изучите

Неделя
1
Часов на завершение
7 минуты на завершение

Introduction

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....
Reading
2 видео (всего 7 мин.)
Video2 видео
Présentation de Qwiklabs5мин
Часов на завершение
3 ч. на завершение

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....
Reading
19 видео (всего 72 мин.), 4 тестов
Video19 видео
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
Quiz3 практического упражнения
Qu'est-ce que TensorFlow ?2мин
Graphe et session8мин
Core TensorFlow20мин
Неделя
2
Часов на завершение
4 ч. на завершение

API Estimator

Au cours de ce module, nous allons vous présenter dans le détail l'API Estimator....
Reading
18 видео (всего 67 мин.), 4 тестов
Video18 видео
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
Quiz1 практическое упражнение
API Estimator18мин
Неделя
3
Часов на завершение
2 ч. на завершение

Effectuer 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....
Reading
6 видео (всего 29 мин.), 2 тестов
Video6 видео
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
Quiz1 практическое упражнение
Cloud MLE10мин
Часов на завершение
2 минуты на завершение

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....
Reading
1 видео (всего 2 мин.)
Video1 видео

Преподаватель

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

  • 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.

  • 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.

  • 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.

  • 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.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.