À propos de ce cours

61,760 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
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

Basic understanding of Kotlin and/or Swift

Approx. 10 heures pour terminer
Anglais
Sous-titres : Anglais

Ce que vous allez apprendre

  • Prepare models for battery-operated devices

  • Execute models on Android and iOS platforms

  • Deploy models on embedded systems like Raspberry Pi and microcontrollers

Compétences que vous acquerrez

TensorFlow LiteMathematical OptimizationMachine LearningTensorflowObject Detection
Certificat partageable
Obtenez un Certificat lorsque vous terminez
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

Basic understanding of Kotlin and/or Swift

Approx. 10 heures pour terminer
Anglais
Sous-titres : Anglais

Enseignant

Offert par

Logo deeplearning.ai

deeplearning.ai

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

6 heures pour terminer

Device-based models with TensorFlow Lite

6 heures pour terminer
14 vidéos (Total 40 min), 6 lectures, 2 quiz
14 vidéos
A few words from Laurence55s
Features and components of mobile AI2 min
Architecture and performance3 min
Optimization Techniques2 min
Saving, converting, and optimizing a model3 min
Examples2 min
Quantization3 min
TF-Select1 min
Paths in Optimization1 min
Running the models1 min
Transfer learning3 min
Converting a model to TFLite1 min
Transfer learning with TFLite5 min
6 lectures
Prerequisites10 min
Downloading the Coding Examples and Exercises10 min
GPU delegates10 min
Learn about supported ops and TF-Select10 min
Week 1 Wrap up10 min
Exercise Description10 min
1 exercice pour s'entraîner
Week 1 Quiz
Semaine
2

Semaine 2

1 heure pour terminer

Running a TF model in an Android App

1 heure pour terminer
15 vidéos (Total 36 min), 3 lectures, 1 quiz
15 vidéos
Installation and resources2 min
Architecture of a model1 min
Initializing the Interpreter2 min
Preparing the Input1 min
Inference and results1 min
Code walkthrough3 min
Run the App2 min
Classifying camera images55s
Initialize and prepare input3 min
Demo of camera image classifier4 min
Initialize model and prepare inputs1 min
Inference and results3 min
Demo of the object detection App1 min
Code for the inference and results2 min
3 lectures
Android fundamentals and installation10 min
Week 2 Wrap up10 min
Description10 min
1 exercice pour s'entraîner
Week 2 Quiz
Semaine
3

Semaine 3

2 heures pour terminer

Building the TensorFLow model on IOS

2 heures pour terminer
22 vidéos (Total 45 min), 8 lectures, 1 quiz
22 vidéos
A few words from Laurence1 min
What is Swift?45s
TerserflowLiteSwift1 min
Cats vs Dogs App1 min
Taking the initial steps3 min
Scaling the image2 min
More steps in the process3 min
Looking at the App in Xcode5 min
What have we done so far and how do we continue?41s
Using the App50s
App architecture1 min
Model details1 min
Initial steps4 min
Final steps1 min
Looking at the code for the image classification App4 min
Object classification intro30s
TFL detect App53s
App architecture55s
Initial steps58s
Final steps3 min
Looking at the code for the object detection model3 min
8 lectures
Important links10 min
Apple’s developer's site 10 min
Apple's API10 min
More details10 min
Camera related functionalities10 min
The Coco dataset10 min
Week 3 Wrap up10 min
Description10 min
1 exercice pour s'entraîner
Week 3 Quiz
Semaine
4

Semaine 4

2 heures pour terminer

TensorFlow Lite on devices

2 heures pour terminer
13 vidéos (Total 29 min), 7 lectures, 1 quiz
13 vidéos
A few words from Laurence3 min
Devices3 min
Starting to work on a Raspberry Pi1 min
How do we start?2 min
Image classification1 min
The 4 step process2 min
Object detection1 min
Back to the 4 step process4 min
Raspberry Pi demo2 min
Microcontrollers2 min
Closing words by Laurence28s
A conversation with Andrew Ng1 min
7 lectures
Edge TPU models10 min
Options to choose from10 min
Pre optimized mobileNet10 min
Object detection model trained on the coco10 min
Suggested links10 min
Description10 min
Wrap up10 min
1 exercice pour s'entraîner
Week 4 Quiz

Avis

Meilleurs avis pour DEVICE-BASED MODELS WITH TENSORFLOW LITE

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. 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

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 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.

  • 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.

  • 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.