We introduce low-level TensorFlow and work our way through the necessary concepts and APIs so as to be able to write distributed machine learning models. Given a TensorFlow model, we explain how to scale out the training of that model and offer high-performance predictions using Cloud Machine Learning Engine.
Este curso faz parte do Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform
oferecido por
Informações sobre o curso
83,172 visualizações recentes
Resultados de carreira do aprendiz
33%
comecei uma nova carreira após concluir estes cursos
38%
consegui um benefício significativo de carreira com este curso
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
Aprox. 11 horas para completar
Inglês
Legendas: Francês, Português (Brasil), Alemão, Inglês, Espanhol, Japonês
Habilidades que você terá
Application Programming Interfaces (API)EstimatorMachine LearningTensorflowCloud Computing
Resultados de carreira do aprendiz
33%
comecei uma nova carreira após concluir estes cursos
38%
consegui um benefício significativo de carreira com este curso
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
Aprox. 11 horas para completar
Inglês
Legendas: Francês, Português (Brasil), Alemão, Inglês, Espanhol, Japonês
oferecido por
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.
Programa - O que você aprenderá com este curso
7 minutos para concluir
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.
7 minutos para concluir
2 vídeos (Total 7 mín.)
4 horas para concluir
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.
4 horas para concluir
19 vídeos (Total 72 mín.)
19 videos
Introduction1min
What is TensorFlow2min
Benefits of a Directed Graph5min
TensorFlow API Hierarchy3min
Lazy Evaluation4min
Graph and Session4min
Evaluating a Tensor2min
Visualizing a graph2min
Tensors6min
Variables6min
Lab Intro: Writing low-level TensorFlow programs16s
Lab Solution8min
Introduction5min
Shape problems3min
Fixing shape problems2min
Data type problems1min
Debugging full programs4min
Intro: Debugging full programs15s
Demo: Debugging Full Programs3min
3 exercícios práticos
What is TensorFlow?30min
Graphs and Sessions30min
Core TensorFlow30min
5 horas para concluir
Estimator API
In this module we will walk you through the Estimator API.
5 horas para concluir
18 vídeos (Total 67 mín.)
18 videos
Introduction1min
Estimator API3min
Pre-made Estimators5min
Demo: Housing Price Model1min
Checkpointing1min
Training on in-memory datasets2min
Lab Intro: Estimator API39s
Lab Solution: Estimator API10min
Train on large datasets with Dataset API8min
Lab Intro: Scaling up TensorFlow ingest using batching35s
Lab Solution: Scaling up TensorFlow ingest using batching5min
Big jobs, Distributed training6min
Monitoring with TensorBoard3min
Demo: TensorBoard UI28s
Serving Input Function5min
Recap: Estimator API1min
Lab Intro: Creating a distributed training TensorFlow model with Estimator API51s
Lab Solution: Creating a distributed training TensorFlow model with Estimator API7min
1 exercício prático
Estimator API30min
2 horas para concluir
Scaling TensorFlow models
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.
2 horas para concluir
6 vídeos (Total 29 mín.), 1 leitura, 2 testes
6 videos
Introduction31s
Why Cloud AI Platform?6min
Train a Model2min
Monitoring and Deploying Training Jobs2min
Lab Intro: Scaling TensorFlow with Cloud AI Platform50s
Lab Solution: Scaling TensorFlow with Cloud AI Platform16min
1 leituras
Cloud ML Engine is now Cloud AI Platform10min
1 exercício prático
Cloud AI Platform30min
2 minutos para concluir
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.
2 minutos para concluir
1 vídeo (Total 2 mín.)
1 vídeos
Summary2min
Avaliações
Principais avaliações do INTRO TO TENSORFLOW
por VC17 de Mai de 2020
I feel this course very valuable because it taught how to create an automated service in cloud with very huge data and working with distributed systems in production environment with minimal time.
por LL30 de Ago de 2019
The tools and methods presented were great. The instructors were also fantastic. However the coding exercises were lacking in guidance even though the complete solution is given in the video.
por DW16 de Out de 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!
por TW30 de Mar de 2020
This needs some updating - looks like the Tensorboard is no longer accessed in the same way as it was when this course was produced. Otherwise great! Good challenges! :/
Sobre Programa de cursos integrados 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 <
Perguntas Frequentes – FAQ
Posso assistir uma prévia do curso antes de me inscrever?
Sim, você pode assistir uma prévia do primeiro vídeo e ver programa do curso antes de se inscrever. Você precisa comprar o curso para ter acesso ao conteúdo não incluído na prévia.
Quando terei acesso às palestras e às tarefas?
Se decidir se inscrever no curso antes da data de início da sessão, terá acesso a todos os vídeos das palestras e leituras do curso. Também poderá enviar tarefas assim que a sessão começar.
O que recebo ao me inscrever?
Uma vez inscrito, e tão logo sua sessão tenha iniciado, você terá acesso a todos os vídeos e outros recursos, incluindo itens de leitura e fórum de discussão do curso. Você poderá ver e enviar tarefas práticas e concluir tarefas com nota atribuída obrigatórias para obter uma nota e um Certificado de Curso.
Quando receberei meu Certificado de Curso?
Se você concluir o curso com êxito, seu Certificado de Curso eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn.
Por que não posso assistir este curso como ouvinte?
Este curso é um dos poucos oferecidos pela Coursera que está disponível apenas para alunos que tenham pago ou recebido auxílio financeiro, quando disponível.
Qual é a política de reembolso?
Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.
Existe algum auxílio financeiro disponível?
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 .
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.
