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

4.3
étoiles
406 évaluations
•
88 avis

Laurence Moroney

15 280 déjà inscrits

Offert par

Spécialisation TensorFlow: Data and Deploymentdeeplearning.ai

À propos de ce cours

7 586 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 third course, you will:
- Perform streamlined ETL tasks using TensorFlow Data Services
- Load different datasets and custom feature vectors using TensorFlow Hub and TensorFlow Data Services APIs
- Create and use pre-built pipelines for generating highly reproducible I/O pipelines for any dataset
- Optimize data pipelines that become a bottleneck in the training process
- Publish your own datasets to the TensorFlow Hub library and share standardized data with researchers and developers around the world


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 3 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 a basic familiarity with building models in TensorFlow

Approx. 16 heures pour terminer

Anglais

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

Ce que vous allez apprendre

Perform efficient ETL tasks using Tensorflow Data Services APIs

Construct train/validation/test splits of any dataset - either custom or present in TensorFlow Hub Dataset library - using Splits API

Use different modules and functions of the TFDS API to prepare your data for training pipelines

Identify bottlenecks in your input pipelines and increase your workflow efficiency by input parallelization

Compétences que vous acquerrez

Artificial Neural Network
Tensorflow
Extraction, Transformation And Loading (ETL)
Data Pipelines
TensorFlow Datasets

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 3 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 a basic familiarity with building models in TensorFlow

Approx. 16 heures pour terminer

Anglais

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

Enseignant

Évaluation de l'enseignant

4,82/5 (34 évaluations)

Laurence Moroney

Instructor

Lead AI Advocate, Google

335 496 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

Évaluation du contenu91%(1,073 évaluations)

Semaine

Semaine 1

5 heures pour terminer

Data Pipelines with TensorFlow Data Services

This week, you will be able to perform efficient ETL tasks using Tensorflow Data Services APIs

5 heures pour terminer

10 vidéos (Total 21 min), 4 lectures, 4 quiz

10 vidéos

A conversation with Andrew Ng2 min

Introduction1 min

Popular Datasets2 min

Data Pipelines58s

Extract, Transform and Load3 min

Versioning Datasets2 min

Looking at the Notebook1 min

Using TFDS in Keras to Train Fashion MNIST 3 min

Horses or Humans in TFDS2 min

Week 1 Wrap Up49s

4 lectures

Downloading the Ungraded Labs and Programming Assignments10 min

Try Out the Notebook Yourself10 min

Try the Horses or Human Notebook10 min

Grader Note10 min

1 exercice pour s'entraîner

Week 1 Quiz30 min

Semaine

Semaine 2

3 heures pour terminer

Splits and Slices API for Datasets in TF

In this week, you will construct train/validation/test splits of any dataset - either custom or present in TensorFlow hub dataset library - using Splits API

3 heures pour terminer

7 vidéos (Total 26 min), 3 lectures, 3 quiz

Semaine

Semaine 3

4 heures pour terminer

Exporting Your Data into the Training Pipeline

This week you will extend your knowledge of data pipelines

4 heures pour terminer

21 vidéos (Total 44 min), 5 lectures, 3 quiz

21 vidéos

A Conversation with Andrew Ng1 min

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

Using Numpy and Pandas2 min

Image Data1 min

CSV Data4 min

Text Data2 min

5 lectures

Link to the Notebook10 min

Link to the CNN Course10 min

Link to the Notebook10 min

CSV Notebook10 min

Link to the Course 10 min

1 exercice pour s'entraîner

Week 3 Quiz30 min

Semaine

Semaine 4

4 heures pour terminer

Performance

You'll learn how to handle your data input to avoid bottlenecks, race conditions and more!

4 heures pour terminer

22 vidéos (Total 44 min), 2 lectures, 4 quiz

22 vidéos

A conversation with Andrew Ng2 min

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

A conversation with Andrew Ng1 min

Introduction44s

How to Start Using a Dataset2 min

Implementation4 min

File Access and Possible Problems in Data3 min

Publishing the Dataset3 min

Introduction18s

Going Through the Colab- Part 12 min

Going Through the Colab - Part 22 min

Closing Words14s

A conversation with Andrew Ng1 min

2 lectures

URLs10 min

Link to the Colab10 min

2 exercices pour s'entraîner

Week 4 Quiz

Publishing your Dataset Quiz

Avis

4.3

88 avis

5 stars
62,25 %
4 stars
20,58 %
3 stars
9,55 %
2 stars
4,65 %
1 star
2,94 %

Meilleurs avis pour DATA PIPELINES WITH TENSORFLOW DATA SERVICES

par YO16 mai 2020

Debugging exercises due to errors in indentation sounded stupid in the first place. But the joy of finally getting a "yes" in the assignment auto-grader beats them all.

par PC16 avr. 2020

I understand why most of the students are furious about, but content wise, it one of those extremely helpful and important courses in Coursera. Really loved it!

par MI3 avr. 2020

This course is quite essential, yet it is prepared too quickly? I had a hard time on Week 3 and Week 4 because the exercises are hard to grasp.

par GL2 mars 2020

Laurence cares deeply about the students. Not only about what they learn, but that they actually enjoy and learn it. What a fantastic teacher.

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.
Why was Course 3: Data Pipelines with TensorFlow Data Service updated in October 2020?
Changes in TensorFlow API: Since this Specialization was launched in early 2020, there have been changes to the TensorFlow API which affect the material in Weeks 1 and 2. With this refresh, you can access updated lectures, quizzes, and assignments.
Changing the Difficulty Level of Assignments: Based on valuable learner feedback, we’ve revised the Week 4 assignments to ensure that you have a full grasp of the foundational principles and are well-prepared to tackle them.

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

Data Pipelines with TensorFlow Data Services