Este curso faz parte do Programa de cursos integrados TensorFlow: Data and Deployment

Laurence Moroney

oferecido por

Programa de cursos integrados TensorFlow: Data and Deploymentdeeplearning.ai

Informações sobre o curso

23,002 visualizações recentes

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.
In this third course, you will:
- Perform streamlined ETL tasks using TensorFlow Data Services
- Load different datasets and custom feature vectors using TensorFlow Hub and TensorFlow Data Services APIs
- Create and use pre-built pipelines for generating highly reproducible I/O pipelines for any dataset
- Optimize data pipelines that become a bottleneck in the training process
- Publish your own datasets to the TensorFlow Hub library and share standardized data with researchers and developers around the world


This Specialization builds upon our TensorFlow in Practice Specialization. If you are new to TensorFlow, we recommend that you take the TensorFlow in Practice Specialization first. To develop a deeper, foundational understanding of how neural networks work, we recommend that you take the Deep Learning Specialization.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 3 de 4 no

Programa de cursos integrados TensorFlow: Data and Deployment

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: Árabe, Francês, Portuguese (European), Chinês (simplificado), Italiano, Vietnamita, Coreano, Alemão, Russo, Turco, Inglês, Espanhol

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.

Curso 3 de 4 no

Programa de cursos integrados TensorFlow: Data and Deployment

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: Árabe, Francês, Portuguese (European), Chinês (simplificado), Italiano, Vietnamita, Coreano, Alemão, Russo, Turco, Inglês, Espanhol

Instrutores

Classificação do instrutor

4.7/5 (17 classificações)

Laurence Moroney

Instructor

Lead AI Advocate, Google

280,389 aprendizes

14 Cursos

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

Semana

Semana 1

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

A conversation with Andrew Ng2min

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

Semana

Semana 2

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

Semana

Semana 3

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

A Conversation with Andrew Ng1min

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

Semana

Semana 4

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

A conversation with Andrew Ng2min

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

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.

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. Looking for a place to start? Master the foundational basics of TensorFlow with the DeepLearning.AI TensorFlow Developer Professional Certificate. Looking to customize and build powerful real-world models for complex scenarios? Check out the TensorFlow: Advanced Techniques Specialization.

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.
Ganharei créditos universitários por concluir o curso?
Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.

Data Pipelines with TensorFlow Data Services