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.
Ce cours fait partie de la Spécialisation TensorFlow: Data and Deployment
Advanced Deployment Scenarios with TensorFlow
Offert par
À propos de ce cours
37,277 consultations récentes
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 ServingMachine Learningfederated learningTensorFlow HubTensorBoard
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have basic familiarity with building models in TensorFlow.
Approx. 9 heures pour terminer
Recommandé : 4 weeks of study, 4-5 hours/week
Anglais
Sous-titres : Anglais
Programme du cours : ce que vous apprendrez dans ce cours
1 heure pour terminer
TensorFlow Extended
1 heure pour terminer
12 vidéos (Total 21 min), 5 lectures, 1 quiz
12 vidéos
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 Coding Examples and Exercises10 min
Installation link10 min
TF server running in colab10 min
Serving with Fashion MNIST10 min
Ungraded Exercise - Serving with MNIST10 min
1 exercice pour s'entraîner
Week 1 Quiz
5 heures pour terminer
Sharing pre-trained models with TensorFlow Hub
5 heures pour terminer
11 vidéos (Total 20 min), 7 lectures, 2 quiz
11 vidéos
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
5 heures pour terminer
Tensorboard: tools for model training
5 heures pour terminer
10 vidéos (Total 16 min), 2 lectures, 2 quiz
10 vidéos
Tensorboard scalars1 min
Callbacks42s
Histograms59s
Publishing model details1 min
Local tensorboard2 min
Looking at graphics in a dataset2 min
More than one image56s
Confusion matrix2 min
Multiple callbacks1 min
2 lectures
tensorboard.dev10 min
Colab10 min
1 exercice pour s'entraîner
Week 3 Quiz4 min
1 heure pour terminer
Federated Learning
1 heure pour terminer
9 vidéos (Total 22 min), 1 lecture, 1 quiz
9 vidéos
Training on mobile devices2 min
Data at the edge2 min
How it works2 min
Maintaining user privacy3 min
Masking2 min
APIs for Federated Learning2 min
Example of federated learning2 min
Outro59s
1 lecture
Colab10 min
1 exercice pour s'entraîner
Week 4 Quiz16 min
Avis
4.5
Meilleurs avis pour ADVANCED DEPLOYMENT SCENARIOS WITH TENSORFLOW
par FLMar 19, 2020
The first week is very useful.\n\nTensorhub 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 ECMar 23, 2020
Very clear, the pace is right, content is very interesting and classes are engaging. What else is to desire? :)
Offert par
deeplearning.ai
deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders.
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.
This Specialization builds upon skills learned in the TensorFlow in Practice Specialization. We recommend learners complete that Specialization prior to enrolling in TensorFlow: Data and Deployment.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
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.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
