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
Offert par
Spécialisation TensorFlow: Data and Deploymentdeeplearning.aiÀ propos de ce cours
32,829 consultations récentes
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
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. 12 heures pour terminer
Anglais
Sous-titres : Anglais
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
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
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. 12 heures pour terminer
Anglais
Sous-titres : Anglais
Offert par
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
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 Quiz30 min
Avis
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 DB17 mai 2020
Great work and I highly recommend this course/specialization! Good job of inserting needed edits to update what's happening in real time.
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 ?
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.
Quelle est la politique de remboursement ?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
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.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
