À propos de ce cours

11,081 consultations récentes

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

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 a basic familiarity with building models in TensorFlow

Approx. 13 heures pour terminer

Recommandé : 4 weeks of study, 4-5 hours/week...

Anglais

Sous-titres : Anglais

Ce que vous allez apprendre

  • Check

    Leverage built-in datasets with just a few lines of code

  • Check

    Use APIs to control how you split your data

  • Check

    Process all types of unstructured data

Compétences que vous acquerrez

TensorflowMachine Learning

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

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 a basic familiarity with building models in TensorFlow

Approx. 13 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

Semaine
1

Semaine 1

5 heures pour terminer

Data Pipelines with TensorFlow Data Services

5 heures pour terminer
14 vidéos (Total 27 min), 2 lectures, 2 quiz
14 vidéos
Introduction1 min
Popular datasets2 min
Data pipelines58s
Extract, transform, load3 min
Versioning datasets2 min
Looking at the notebook1 min
Introduction43s
Legacy API and Subsplits5 min
Splits API (S3)2 min
Introduction22s
Legacy API in code1 min
Splits API (S3) in code1 min
P25_L5_D1 title: Week 1 wrap up43s
2 lectures
Downloading the Coding Examples and Exercises10 min
Try out the notebook yourself10 min
1 exercice pour s'entraîner
Week 1 Quiz
Semaine
2

Semaine 2

6 heures pour terminer

Exporting your data into the training pipeline

6 heures pour terminer
21 vidéos (Total 44 min), 5 lectures, 2 quiz
21 vidéos
Introduction22s
Input data1 min
Basic mechanics2 min
Numeric and bucketized columns2 min
Vocabulary and hashed columns, feature crossing2 min
Embedding columns2 min
Introduction24s
Notebook walkthrough4 min
Introduction19s
Numpy, Pandas and Images2 min
CSV3 min
Text and TFRecord1 min
Generators1 min
Introduction17s
Notebook walkthrough4 min
Introduction1 min
Numpy and Pandas2 min
Images1 min
CSV4 min
Text2 min
5 lectures
Link to the notebook10 min
Link to the CNN course10 min
Link to the notebook10 min
CSV: colab10 min
Link to the tokenization10 min
1 exercice pour s'entraîner
Week 2 Quiz
Semaine
3

Semaine 3

4 heures pour terminer

Performance

4 heures pour terminer
11 vidéos (Total 20 min), 2 quiz
11 vidéos
Introduction36s
ETL2 min
What happens when you train a model2 min
Introduction25s
Caching58s
Parallelism APIs2 min
Autotuning2 min
Parallelizing data extraction2 min
Best practices for code improvements3 min
A few words by Laurence34s
1 exercice pour s'entraîner
Week 3 Quiz
Semaine
4

Semaine 4

5 heures pour terminer

Publishing your datasets

5 heures pour terminer
11 vidéos (Total 24 min), 2 lectures, 2 quiz
11 vidéos
Introduction44s
How to start using a dataset2 min
Implementation4 min
File access and possible problems in data3 min
Publishing the dataset3 min
P28_L2_D1 (part 1) title: Title: Introduction18s
Going through the colab (1)2 min
Going through the colab (2)2 min
Closing words14s
A conversation with Andrew Ng1 min
2 lectures
URLs10 min
Link to the colab10 min
1 exercice pour s'entraîner
Week 4 Quiz

Enseignant

Image de l'enseignant, Laurence Moroney

Laurence Moroney

AI Advocate
Google Brain

À propos de 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 model. 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, use APIs to control how data splitting, and process all types of unstructured data. 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 AI. 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....
TensorFlow: Data and Deployment

Foire Aux Questions

  • 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.

  • 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.

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