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
44,752 consultations récentes
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
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. 19 heures pour terminer
Anglais
Sous-titres : Anglais
Ce que vous allez apprendre
Leverage built-in datasets with just a few lines of code
Use APIs to control how you split your data
Process all types of unstructured data
Compétences que vous acquerrez
TensorflowMachine Learning
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
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. 19 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
5 heures pour terminer
Data Pipelines with TensorFlow Data Services
You'll learn about the types of data that you would normally come across when doing machine learning.
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
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
6 heures pour terminer
Exporting your data into the training pipeline
This week you’re going to start looking at the code for using the data with input pipelines!
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
4 heures pour terminer
Performance
How you load your data into your model can have a huge impact on how efficiently the model trains. You'll learn how to handle your data input to avoid bottlenecks, race conditions and more!
4 heures pour terminer
11 vidéos (Total 20 min)
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
5 heures pour terminer
Publishing your datasets
This week let’s learn about how you can share your data with the world in a way that’s easy for others to consume!
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
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
Avis
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.
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.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
