À propos de ce cours

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

Approx. 6 heures pour terminer

Recommandé : 11 hours/week...

Allemand

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

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

Approx. 6 heures pour terminer

Recommandé : 11 hours/week...

Allemand

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

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
4 minutes pour terminer

Einführung

Dieser Kurs vermittelt Ihnen ML-Basiswissen, damit Sie die Terminologie kennenlernen, die wir während der Spezialisierung verwenden. Sie bekommen außerdem praktische Tipps und Hinweise zu Fallstricken von ML-Fachleuten bei Google. Am Ende nehmen Sie den Code und das Fachwissen für Ihre eigenen ML-Modelle mit....
1 vidéo (Total 4 min)
1 vidéo
1 heure pour terminer

ML in der Praxis

In diesem Modul stellen wir einige der wichtigsten Arten maschinellen Lernens vor und sehen uns noch einmal die Entwicklung ML an. Sie können so schneller in die ML-Praxis einsteigen....
10 vidéos (Total 62 min), 1 quiz
10 vidéos
Betreutes Lernen5 min
Regression und Klassifizierung11 min
Kurzer Rückblick auf ML: Lineare Regression7 min
Kurzer Rückblick auf ML: Perzeptron5 min
Kurzer Rückblick auf ML: Neuronale Netzwerke7 min
Kurzer Rückblick auf ML: Entscheidungsbäume5 min
Kurzer Rückblick auf ML: Kernel-Methoden4 min
Kurzer Rückblick auf ML: Random Forests4 min
Kurzer Rückblick auf ML: Moderne neuronale Netzwerke8 min
1 exercice pour s'entraîner
Modul-Quiz6 min
1 heure pour terminer

Optimierung

In diesem Modul gehen wir die Optimierung von ML-Modellen durch....
13 vidéos (Total 61 min), 1 quiz
13 vidéos
ML-Modelle definieren4 min
Einführung in das Dataset "Natality"6 min
Einführung in Verlustfunktionen6 min
Gradientenverfahren5 min
Fehlerbehebung bei einer Verlustkurve2 min
Probleme mit ML-Modellen6 min
Lab: Einführung in TensorFlow Playground6 min
Lab: TensorFlow Playground für Fortgeschrittene3 min
Lab: Mit neuronalen Netzwerken arbeiten6 min
Fehlerbehebung bei einer Verlustkurve1 min
Leistungsmesswerte3 min
Wahrheitsmatrix5 min
1 exercice pour s'entraîner
Modul-Quiz6 min
3 heures pour terminer

Generalisierung und Stichprobenerhebung

Jetzt ist es an der Zeit, eine recht seltsam anmutende Frage zu beantworten: Wann ist das genaueste ML-Modell nicht die beste Wahl? Wie wir im letzten Modul zur Optimierung angedeutet haben, erbringt ein Modell mit einem Verlustwert von 0 mit Ihrem Trainings-Dataset nicht automatisch auch mit realen Datasets ein gutes Ergebnis. ...
9 vidéos (Total 64 min), 3 quiz
9 vidéos
Generalisierung und ML-Modelle6 min
Wann das Modelltraining beendet werden sollte5 min
Wiederholbare Beispiele in BigQuery erstellen6 min
Demo: Datasets in BigQuery aufteilen8 min
Einführung in das Lab1 min
Lösungsübersicht für das Lab9 min
Einführung in das Lab2 min
Lösungsübersicht für das Lab23 min
1 exercice pour s'entraîner
Modul-Quiz12 min
3 minutes pour terminer

Zusammenfassung

...
1 vidéo (Total 3 min)
1 vidéo

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 auf Deutsch

Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Was sind die fünf Phasen zur Umsetzung eines für ML geeigneten Anwendungsfalls und warum darf keine dieser Phasen übersprungen werden? Warum sind neuronale Netze gerade so beliebt? Wie können Sie ein Projekt für betreutes Lernen gestalten und mithilfe des Gradientenverfahrens und sinnvoll erstellten Datasets eine gute, generalisierbare Lösung finden? In diesem Kurs lernen Sie, verteilte Modelle für ML zu schreiben, die in TensorFlow skaliert werden, das Training dieser Modelle horizontal zu skalieren und leistungsstarke Vorhersagen zu erstellen. Wir gehen darauf ein, wie Sie Rohdaten so in Merkmale umwandeln, dass ML wichtige Eigenschaften dieser Daten erlernen kann und menschliche Einblicke in das Problem zulässt. Schließlich lernen Sie, die richtige Mischung aus Parametern zu verwenden, um präzise und generalisierte Modelle zu erstellen, und Sie erhalten eine Einführung in die Theorie zum Lösen bestimmter Arten von ML-Problemen. Auf diese Weise gewinnen Sie ein umfassendes Verständnis von ML. Zuerst erstellen Sie eine auf ML ausgerichtete Strategie. Dann fahren Sie mit Modelltraining, Optimierung und Produktentwicklung fort. Hierbei helfen Ihnen praxisorientierte Labs der Google Cloud Platform. >>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

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, lorsqu'elle est disponible.

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