低レベルの TensorFlow を導入し、分散型機械学習モデルを作成するために必要なコンセプトと API を開発します。TensorFlow モデルのトレーニングをスケールアウトし、Cloud Machine Learning Engine を使った高性能な予測を提供する方法について説明します。
Ce cours fait partie de la Spécialisation Machine Learning with TensorFlow Google Cloud Platform 日本語版
Offert par
À propos de ce cours
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 3 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 9 heures pour terminer
Japonais
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 3 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 9 heures pour terminer
Japonais
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais
Offert par
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.
Programme du cours : ce que vous apprendrez dans ce cours
7 minutes pour terminer
はじめに
機械学習プログラムの記述に使用するツールは TensorFlow です。そのため、このコースでは TensorFlow について説明します。最初のコースでは、ビジネス上の問題を機械学習の問題として定式化する方法を学習し、2 つ目のコースでは、機械学習が実際にどのように機能するかと、機械学習に使用できるデータセットを作成する方法を学習しました。データの準備ができたので、機械学習プログラムを記述してみましょう。
7 minutes pour terminer
2 vidéos (Total 7 min)
3 heures pour terminer
コア TensorFlow
"TensorFlow のコア コンポーネントについて説明し、機械学習プログラムを作成する実践演習を行います。遅延評価と命令型プログラムを比較して記述し、グラフ、セッション、変数を使用して、最終的に TensorFlow プログラムをデバッグします。
3 heures pour terminer
19 vidéos (Total 72 min)
19 vidéos
はじめに1 min
TensorFlow とは2 min
有向グラフの利点5 min
TensorFlow API の階層3 min
遅延評価4 min
グラフとセッション4 min
テンソルの評価2 min
グラフの可視化2 min
テンソル6 min
変数6 min
ラボの概要: 下位レベルの TensorFlow プログラムの作成16s
ラボのソリューション8 min
はじめに5 min
形の問題3 min
形の問題の修正2 min
データ型の問題1 min
全プログラムのデバッグ4 min
概要: 全プログラムのデバッグ15s
デモ: 全プログラムのデバッグ3 min
3 exercices pour s'entraîner
TensorFlow とは2 min
グラフとセッション8 min
コア TensorFlow20 min
4 heures pour terminer
Estimator API
このモジュールでは、Estimator API について説明します。
4 heures pour terminer
18 vidéos (Total 67 min)
18 vidéos
はじめに1 min
Estimator API3 min
事前作成済み Estimator5 min
デモ: 住宅価格モデル1 min
チェックポインティング1 min
メモリ内データセットのトレーニング2 min
ラボの概要: Estimator API39s
ラボのソリューション: Estimator API10 min
Dataset API を使用して大規模なデータセットをトレーニングする8 min
ラボの概要: バッチ処理を使用して TensorFlow の取り込みをスケールアップする35s
ラボのソリューション: バッチ処理を使用して TensorFlow の取り込みをスケールアップする5 min
大規模なジョブ、分散トレーニング6 min
TensorBoard によるモニタリング3 min
デモ: TensorBoard UI28s
処理入力関数5 min
内容のまとめ: Estimator API1 min
ラボの概要: Estimator API を使用して分散トレーニング TensorFlow モデルを作成する51s
ラボのソリューション: Estimator API を使用して分散トレーニング TensorFlow モデルを作成する7 min
1 exercice pour s'entraîner
Estimator API18 min
2 heures pour terminer
CMLE で TensorFlow モデルをスケールする
ここでは、TensorFlow モデルの使い方と、機械学習モデルのトレーニングとデプロイに向けて GCP のマネージド インフラストラクチャで TensorFlow モデルをトレーニングする方法について説明します。
2 heures pour terminer
6 vidéos (Total 29 min)
6 vidéos
はじめに31s
Cloud Machine Learning Engine を使用する理由6 min
モデルをトレーニングする2 min
トレーニング ジョブのモニタリングとデプロイを行う2 min
ラボの概要: Cloud Machine Learning Engine を使用して TensorFlow をスケーリングする50s
ラボのソリューション: Cloud Machine Learning Engine を使用して TensorFlow をスケーリングする16 min
1 exercice pour s'entraîner
Cloud MLE10 min
2 minutes pour terminer
まとめ
ここでは、このコースで学習した TensorFlow のトピックについて要点をまとめます。コア TensorFlow コード、Estimator API、Cloud Machine Learning Engine による機械学習モデルのスケーリングについて振り返ります。
2 minutes pour terminer
1 vidéo (Total 2 min)
1 vidéo
まとめ2 min
À propos du Spécialisation Machine Learning with TensorFlow Google Cloud Platform 日本語版
機械学習とはどのようなもので、どのような問題解決に役立つのでしょうか。候補となるユースケースを機械学習で習得できる形に変換する5段階とは、そしてこれらの段階を省略しないことが重要である理由は何でしょうか。今、なぜニューラル ネットワークに注目が集まっているのでしょうか。
問題を設定し、勾配降下を使用して適切な解決策を見つけ、データセットを作成する方法について学びます。また、Tensorflow でスケーラブルな分散型機械学習モデルを作成して、これらのモデルのトレーニングを拡張し、高性能な予測ができるようになります。さらに、機械学習（ML）がデータから重要な特質を学習したり、人間による分析を問題に取り入れるように、生データを変換します。最後に、正確で一般化されたモデルを生成し、特定の ML 問題を解決する理論について、および適切なパラメータの組み合わせ方を学びます。まず ML 集中型の戦略の構築から始め、その後 Google Cloud Platform のハンズオンラボを通じてモデルのトレーニング、最適化、本稼働まで、ML に関する手順全体を実習します。
Foire Aux Questions
Puis-je prévisualiser un cours avant de m'inscrire ?
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.
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
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.
À quoi ai-je droit si je m'inscris ?
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.
Quand recevrai-je mon 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.
Pourquoi ne puis-je pas assister à ce cours en auditeur libre ?
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, lorsqu'elle est disponible.
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.
