Ce cours fait partie de la Spécialisation TensorFlow: Data and Deployment

4.7
étoiles
381 évaluations

Laurence Moroney

14 715 déjà inscrits

Offert par

Spécialisation TensorFlow: Data and Deploymentdeeplearning.ai

À propos de ce cours

6 538 consultations récentes

Bringing a machine learning model into the real world involves a lot more than just modeling. This Specialization will teach you how to navigate various deployment scenarios and use data more effectively to train your model.
In this final course, you’ll explore four different scenarios you’ll encounter when deploying models. You’ll be introduced to TensorFlow Serving, a technology that lets you do inference over the web. You’ll move on to TensorFlow Hub, a repository of models that you can use for transfer learning. Then you’ll use TensorBoard to evaluate and understand how your models work, as well as share your model metadata with others. Finally, you’ll explore federated learning and how you can retrain deployed models with user data while maintaining data privacy.

This Specialization builds upon our TensorFlow in Practice Specialization. If you are new to TensorFlow, we recommend that you take the TensorFlow in Practice Specialization first. To develop a deeper, foundational understanding of how neural networks work, we recommend that you take the Deep Learning Specialization.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 4 sur 4 dans le

Spécialisation TensorFlow: Data and Deployment

Niveau intermédiaire

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have basic familiarity with building models in TensorFlow.

Approx. 18 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol

Ce que vous allez apprendre

Use TensorFlow Serving to do inference over the web

Navigate TensorFlow Hub, a repository of models that you can use for transfer learning

Evaluate how your models work and share model metadata using TensorBoard

Explore federated learning and how to retrain deployed models while maintaining data privacy

Compétences que vous acquerrez

TensorFlow Serving
Machine Learning
federated learning
TensorFlow Hub
TensorBoard

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 4 sur 4 dans le

Spécialisation TensorFlow: Data and Deployment

Niveau intermédiaire

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have basic familiarity with building models in TensorFlow.

Approx. 18 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol

Enseignant

Évaluation de l'enseignant

4,88/5 (35 évaluations)

Laurence Moroney

Instructor

Lead AI Advocate, Google

336 872 étudiants

15 cours

Offert par

deeplearning.ai

DeepLearning.AI is an education technology company that develops a global community of AI talent.

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

3 heures pour terminer

TensorFlow Extended

3 heures pour terminer

12 vidéos (Total 21 min), 5 lectures, 3 quiz

12 vidéos

Introduction, A conversation with Andrew Ng2 min

Introduction24s

Serving3 min

Installing TF Serving1 min

TensorFlow Serving summary30s

Setup for serving2 min

Serving1 min

Predictions41s

Passing data to serving1 min

Getting the predictions back1 min

Running the colab2 min

Complex model2 min

5 lectures

Downloading the Ungraded Labs and Programming Assignments10 min

Installation link10 min

TF server running in colab10 min

Serving with Fashion MNIST10 min

Ungraded Assignment - Serving with MNIST10 min

1 exercice pour s'entraîner

Week 1 Quiz

Semaine

Semaine 2

6 heures pour terminer

Sharing pre-trained models with TensorFlow Hub

6 heures pour terminer

11 vidéos (Total 20 min), 7 lectures, 3 quiz

11 vidéos

Introduction, A conversation with Andrew Ng2 min

Introduction to TF Hub2 min

Transfer learning1 min

Inference1 min

Module storage2 min

Text based models1 min

Word embeddings1 min

Experimenting with embeddings1 min

Colab1 min

Classify cats and dogs1 min

Transfer learning1 min

7 lectures

Tensorflow Hub link10 min

Link to saved models10 min

Colab10 min

Pre-trained Word Embeddings10 min

Text Classification Colab10 min

MobileNet model details10 min

Colab10 min

1 exercice pour s'entraîner

Week 2 Quiz

Semaine

Semaine 3

6 heures pour terminer

Tensorboard: tools for model training

6 heures pour terminer

10 vidéos (Total 16 min), 2 lectures, 3 quiz

Semaine

Semaine 4

2 heures pour terminer

Federated Learning

2 heures pour terminer

9 vidéos (Total 22 min), 3 lectures, 2 quiz

Avis

4.7

47 avis

5 stars
80,87 %
4 stars
14,21 %
3 stars
3,35 %
2 stars
1,03 %
1 star
0,51 %

Meilleurs avis pour ADVANCED DEPLOYMENT SCENARIOS WITH TENSORFLOW

par DR6 juin 2020

Enjoyed this specialization as much as I did the Tensorflow in practice. Thank you Laurence Moroney and Andrew Ng for getting these cool topics to all of us, so we can contribute back to community.

par FL19 mars 2020

The first week is very useful. Tensorhub seems not helpful in a private company setting.\n\nI wish they talked about tf estimators which is also a common way to deploy models in SageMaker.

par SM10 avr. 2020

This topic seems to be very important but the content is not as good as rest of the weeks content, more explanations and more simple examples could have helped

par AS21 janv. 2021

The fact that there were still some problems in the Course regarding technical or exercise based, it shows that this material is relatively new in the domain.

Voir tous les avis

À propos du Spécialisation TensorFlow: Data and Deployment

Continue developing your skills in TensorFlow as you learn to navigate through a wide range of deployment scenarios and discover new ways to use data more effectively when training your machine learning models.

In this four-course Specialization, you’ll learn how to get your machine learning models into the hands of real people on all kinds of devices. Start by understanding how to train and run machine learning models in browsers and in mobile applications. Learn how to leverage built-in datasets with just a few lines of code, learn about data pipelines with TensorFlow data services, use APIs to control data splitting, process all types of unstructured data, and retrain deployed models with user data while maintaining data privacy. Apply your knowledge in various deployment scenarios and get introduced to TensorFlow Serving, TensorFlow, Hub, TensorBoard, and more. Industries all around the world are adopting Artificial Intelligence. This Specialization from Laurence Moroney and Andrew Ng will help you develop and deploy machine learning models across any device or platform faster and more accurately than ever. Looking for a place to start? Master the foundational basics of TensorFlow with the DeepLearning.AI TensorFlow Developer Professional Certificate. Looking to customize and build powerful real-world models for complex scenarios? Check out the TensorFlow: Advanced Techniques Specialization.

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Advanced Deployment Scenarios with TensorFlow