À propos de ce cours
4.5
855 notes
92 avis
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 9 heures pour terminer

Recommandé : 2-3 weeks of study, 8-10 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Français, Portugais (brésilien), Allemand, Espagnol, Japonais...

Compétences que vous acquerrez

Application Programming Interfaces (API)EstimatorMachine LearningTensorflowCloud Computing
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 9 heures pour terminer

Recommandé : 2-3 weeks of study, 8-10 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Français, Portugais (brésilien), Allemand, Espagnol, Japonais...

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
Heures pour terminer
7 minutes pour terminer

Introduction

The tool we will use to write machine learning programs is TensorFlow and so in this course, we will introduce you to TensorFlow. In the first course, you learned how to formulate business problems as machine learning problems and in the second course, you learned how machine works in practice and how to create datasets that you can use for machine learning. Now that you have the data in place, you are ready to get started writing machine learning programs....
Reading
2 vidéos (Total 7 min)
Video2 vidéos
Intro to Qwiklabs5 min
Heures pour terminer
3 heures pour terminer

Core TensorFlow

We will introduce you to the core components of TensorFlow and you will get hands-on practice building machine learning programs. You will compare and write lazy evaluation and imperative programs, work with graphs, sessions, variables, as finally debug TensorFlow programs....
Reading
19 vidéos (Total 72 min), 4 quiz
Video19 vidéos
What is TensorFlow2 min
Benefits of a Directed Graph5 min
TensorFlow API Hierarchy3 min
Lazy Evaluation4 min
Graph and Session4 min
Evaluating a Tensor2 min
Visualizing a graph2 min
Tensors6 min
Variables6 min
Lab Intro: Writing low-level TensorFlow programs16s
Lab Solution8 min
Introduction5 min
Shape problems3 min
Fixing shape problems2 min
Data type problems1 min
Debugging full programs4 min
Intro: Debugging full programs15s
Demo: Debugging Full Programs3 min
Quiz3 exercices pour s'entraîner
What is TensorFlow?2 min
Graphs and Sessions8 min
Core TensorFlow20 min
Semaine
2
Heures pour terminer
4 heures pour terminer

Estimator API

In this module we will walk you through the Estimator API....
Reading
18 vidéos (Total 67 min), 4 quiz
Video18 vidéos
Estimator API3 min
Pre-made Estimators5 min
Demo: Housing Price Model1 min
Checkpointing1 min
Training on in-memory datasets2 min
Lab Intro: Estimator API39s
Lab Solution: Estimator API10 min
Train on large datasets with Dataset API8 min
Lab Intro: Scaling up TensorFlow ingest using batching35s
Lab Solution: Scaling up TensorFlow ingest using batching5 min
Big jobs, Distributed training6 min
Monitoring with TensorBoard3 min
Demo: TensorBoard UI28s
Serving Input Function5 min
Recap: Estimator API1 min
Lab Intro: Creating a distributed training TensorFlow model with Estimator API51s
Lab Solution: Creating a distributed training TensorFlow model with Estimator API7 min
Quiz1 exercice pour s'entraîner
Estimator API18 min
Semaine
3
Heures pour terminer
2 heures pour terminer

Scaling TensorFlow models with CMLE

I’m here to talk about how you would go about taking your TensorFlow model and training it on GCP’s managed infrastructure for machine learning model training and deployed....
Reading
6 vidéos (Total 29 min), 2 quiz
Video6 vidéos
Why Cloud Machine Learning Engine?6 min
Train a Model2 min
Monitoring and Deploying Training Jobs2 min
Lab Intro: Scaling TensorFlow with Cloud Machine Learning Engine50s
Lab Solution: Scaling TensorFlow with Cloud Machine Learning Engine16 min
Quiz1 exercice pour s'entraîner
Cloud MLE10 min
Heures pour terminer
2 minutes pour terminer

Summary

Here we summarize the TensorFlow topics we covered so far in this course. We'll revisit core TensorFlow code, the Estimator API, and end with scaling your machine learning models with Cloud Machine Learning Engine....
Reading
1 vidéo (Total 2 min)
Video1 vidéo
Summary2 min
4.5
92 avisChevron Right
Orientation de carrière

42%

a commencé une nouvelle carrière après avoir terminé ces cours
Avantage de carrière

50%

a bénéficié d'un avantage concret dans sa carrière grâce à ce cours
Promotion de carrière

11%

a obtenu une augmentation de salaire ou une promotion

Meilleurs avis

par DWOct 17th 2018

pretty good. some of the code in the last lab could be better explained. also please debug the cloud shell, as it does not always show the "web preview" button ;) otherwise, good job!

par SSJun 6th 2018

Nice introduce, might be more on introduce the model structure, because I still need to read additional notes to locate how to train my deep learning model online.

À propos de Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

À propos de la Spécialisation Machine Learning with TensorFlow on Google Cloud Platform

What is machine learning, and what kinds of problems can it solve? What are the five phases of converting a candidate use case to be driven by machine learning, and why is it important that the phases not be skipped? Why are neural networks so popular now? How can you set up a supervised learning problem and find a good, generalizable solution using gradient descent and a thoughtful way of creating datasets? Learn how to write distributed machine learning models that scale in Tensorflow, scale out the training of those models. and offer high-performance predictions. Convert raw data to features in a way that allows ML to learn important characteristics from the data and bring human insight to bear on the problem. Finally, learn how to incorporate the right mix of parameters that yields accurate, generalized models and knowledge of the theory to solve specific types of ML problems. You will experiment with end-to-end ML, starting from building an ML-focused strategy and progressing into model training, optimization, and productionalization with hands-on labs using Google Cloud Platform. > By enrolling in this specialization you agree to the Qwiklabs Terms of Service as set out in the FAQ and located at: https://qwiklabs.com/terms_of_service <...
Machine Learning with TensorFlow on Google Cloud Platform

Foire Aux Questions

  • Oui, vous pouvez prévisualiser la première vidéo et consulter le programme du cours avant de vous inscrire. Vous devez acheter le cours pour accéder au contenu non inclus dans la prévisualisation.

  • Si vous décidez de vous inscrire au cours avant la date de début de session, vous aurez accès à toutes les vidéos et lectures du cours. Vous pourrez soumettre des devoirs à partir du début de la session.

  • Une fois que vous êtes inscrit(e) et que votre session commence, vous avez accès à toutes les vidéos et aux autres ressources, y compris les éléments à lire et le forum de discussion du cours. Vous pouvez afficher et soumettre des devoirs pour vous exercer, et terminer les devoirs notés requis pour obtenir une note et un Certificat de Cours.

  • Si vous réussissez le cours, votre Certificat de Cours électronique sera ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat de Cours ou l'ajouter à votre profil LinkedIn.

  • Ce cours fait partie du nombre restreint de cours proposés par Coursera actuellement disponibles uniquement aux étudiants ayant payé les frais du cours ou bénéficié de l'Aide Financière. Si vous souhaitez suivre ce cours alors que vous n'avez pas les moyens d'en acquitter les frais, nous vous recommandons de soumettre une demande d'Aide Financière.

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