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.
Este curso faz parte do Programa de cursos integrados TensorFlow: Data and Deployment
oferecido por
Informações sobre o curso
45,235 visualizações recentes
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have a basic familiarity with building models in TensorFlow
Aprox. 11 horas para completar
Inglês
Legendas: Inglês
O que você vai aprender
Perform efficient ETL tasks using Tensorflow Data Services APIs
Construct train/validation/test splits of any dataset - either custom or present in TensorFlow Hub Dataset library - using Splits API
Use different modules and functions of the TFDS API to prepare your data for training pipelines
Identify bottlenecks in your input pipelines and increase your workflow efficiency by input parallelization
Habilidades que você terá
Artificial Neural NetworkTensorflowExtraction, Transformation And Loading (ETL)Data PipelinesTensorFlow Datasets
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have a basic familiarity with building models in TensorFlow
Aprox. 11 horas para completar
Inglês
Legendas: Inglês
oferecido por
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
Programa - O que você aprenderá com este curso
3 horas para concluir
Data Pipelines with TensorFlow Data Services
This week, you will be able to perform efficient ETL tasks using Tensorflow Data Services APIs
3 horas para concluir
10 vídeos (Total 21 mín.), 4 leituras, 2 testes
10 videos
Introduction1min
Popular Datasets2min
Data Pipelines58s
Extract, Transform and Load3min
Versioning Datasets2min
Looking at the Notebook1min
Using TFDS in Keras to Train Fashion MNIST 3min
Horses or Humans in TFDS2min
Week 1 Wrap Up49s
4 leituras
Downloading the Coding Examples and Exercises10min
Try Out the Notebook Yourself10min
Try the Horses or Human Notebook10min
Grader Note10min
1 exercício prático
Week 1 Quiz30min
2 horas para concluir
Splits and Slices API for Datasets in TF
In this week, you will construct train/validation/test splits of any dataset - either custom or present in TensorFlow hub dataset library - using Splits API
2 horas para concluir
7 vídeos (Total 26 mín.), 3 leituras, 2 testes
7 videos
Introduction1min
Introduction to Splits API5min
Splits API Notebook Walkthrough5min
File Structure in TensorFlow Datasets1min
Feature Descriptors4min
TFRecord Colab Walkthrough5min
Week 2 Wrap Up1min
3 leituras
Splits API Colab10min
TFRecord Colab 10min
Grader Note10min
1 exercício prático
Week 230min
3 horas para concluir
Exporting Your Data into the Training Pipeline
This week you will extend your knowledge of data pipelines
3 horas para concluir
21 vídeos (Total 44 mín.), 5 leituras, 2 testes
21 videos
Introduction22s
Input Data1min
Basic Mechanics2min
Numeric and Bucketized Columns2min
Vocabulary and Hashed Columns, Feature Crossing2min
Embedding Columns2min
Introduction24s
Notebook Walkthrough4min
Introduction19s
Numpy, Pandas and Images2min
CSV3min
Text and TFRecord1min
Generators1min
Introduction17s
Notebook walkthrough4min
Introduction1min
Using Numpy and Pandas2min
Image Data1min
CSV Data4min
Text Data2min
5 leituras
Link to the Notebook10min
Link to the CNN Course10min
Link to the Notebook10min
CSV Colab10min
Link to the Course 10min
1 exercício prático
Week 3 Quiz30min
3 horas para concluir
Performance
You'll learn how to handle your data input to avoid bottlenecks, race conditions and more!
3 horas para concluir
22 vídeos (Total 44 mín.), 2 leituras, 3 testes
22 videos
Introduction36s
ETL2min
What Happens When You Train a Model2min
Introduction25s
Caching58s
Parallelism APIs2min
Autotuning2min
Parallelizing Data Extraction2min
Best Practices for Code Improvements3min
A Few Words by Laurence34s
A conversation with Andrew Ng1min
Introduction44s
How to Start Using a Dataset2min
Implementation4min
File Access and Possible Problems in Data3min
Publishing the Dataset3min
Introduction18s
Going Through the Colab- Part 12min
Going Through the Colab - Part 22min
Closing Words14s
A conversation with Andrew Ng1min
2 leituras
URLs10min
Link to the Colab10min
2 exercícios práticos
Week 4 Quiz
Publishing your Dataset Quiz
Avaliações
Principais avaliações do DATA PIPELINES WITH TENSORFLOW DATA SERVICES
por YO16 de Mai de 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.
por PC16 de Abr de 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!
por MI3 de Abr de 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.
por GL2 de Mar de 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.
Sobre Programa de cursos integrados 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.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
- o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
- Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Is financial aid available?
Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .
Why was Course 3: Data Pipelines with TensorFlow Data Service updated in October 2020?
- Changes in TensorFlow API: Since this Specialization was launched in early 2020, there have been changes to the TensorFlow API which affect the material in Weeks 1 and 2. With this refresh, you can access updated lectures, quizzes, and assignments.
- Changing the Difficulty Level of Assignments: Based on valuable learner feedback, we’ve revised the Week 4 assignments to ensure that you have a full grasp of the foundational principles and are well-prepared to tackle them.
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
