This course is focused on using the flexibility and “ease of use” of TensorFlow 2.x and Keras to build, train, and deploy machine learning models. You will learn about the TensorFlow 2.x API hierarchy and will get to know the main components of TensorFlow through hands-on exercises. We will introduce you to working with datasets and feature columns. You will learn how to design and build a TensorFlow 2.x input data pipeline. You will get hands-on practice loading csv data, numPy arrays, text data, and images using tf.Data.Dataset. You will also get hands-on practice creating numeric, categorical, bucketized, and hashed feature columns.
Este curso faz parte do Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform
oferecido por
Informações sobre o curso
72,598 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. 19 horas para completar
Inglês
Legendas: Francês, Português (Brasil), Russo, Inglês, Espanhol
O que você vai aprender
Use the Keras Sequential and Functional APIs for simple and advanced model creation
Design and build a TensorFlow 2.x input data pipeline
Use the tf.data library to manipulate data and large datasets
Train, deploy, and productionalize ML models at scale with Cloud AI Platform
Habilidades que você terá
Machine LearningPython ProgrammingBuild Input Data PipelineTensorflowkeras
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. 19 horas para completar
Inglês
Legendas: Francês, Português (Brasil), Russo, Inglês, Espanhol
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 to course
This course is an introduction to TensorFlow 2.x, which incorporates the ease of use of Keras for building machine learning models. This course covers designing and building a TensorFlow 2.x input data pipeline, building machine learning models with TensorFlow 2.x and Keras, improving the accuracy of machine learning models, and writing machine learning models for scaled use.
7 minutos para concluir
2 vídeos (Total 7 mín.)
3 horas para concluir
Introduction to TensorFlow
We will introduce you to the new paradigm of TensorFlow 2.x. You will learn about the the TensorFlow API hierarchy and will get to know the main components of TensorFlow, tensors and variables, through hands-on exercises.
3 horas para concluir
5 vídeos (Total 22 mín.), 1 leitura, 5 testes
5 videos
TensorFlow API Hierarchy4min
Components of TensorFlow: Tensors and Variables8min
Lab Intro Introduction to Tensors and Variables1min
Lab Intro Writing low-level TensorFlow programs43s
1 leituras
Readings10min
3 exercícios práticos
Introduction to TensorFlow15min
API Hierarchy15min
Tensors and Variables15min
7 horas para concluir
Design and Build a TensorFlow Input Data Pipeline
We will introduce you to working with datasets and feature columns. You will get hands-on practice loading csv data, numPy arrays with tf.data.Dataset, text data, and load images using tf.data.Dataset. You will also get hands on practice creating numeric, categorical, bucketized, and hashed feature columns.
7 horas para concluir
10 vídeos (Total 25 mín.), 1 leitura, 9 testes
10 videos
Overview4min
Working in-memory and with files3min
Getting the data ready for model training6min
Lab Intro Load CSV and Numpy Data 28s
Lab Intro Loading Image Data54s
Lab Intro Feature Columns37s
Optional Lab Intro TFRecord and tf.Example1min
Training on Large Datasets with tf.data API4min
Lab Intro Manipulating data with Tensorflow Dataset API34s
Optional Lab Intro Feature Analysis Using TensorFlow Data Validation and Facets1min
1 leituras
Readings15min
3 exercícios práticos
PRACTICE QUIZ: Getting the data ready for model training15min
Training on Large Datasets with tf.data API15min
Design and Build Input Data Pipeline15min
4 horas para concluir
Training neural networks with Tensorflow 2 and the Keras Sequential API
In this module you will get introduced to writing TensorFlow models using the Keras Sequential API. But, before you jump right into writing the model, we will talk about activation functions, loss and optimization. You will then be introduced to the Keras Sequential API to learn how you can create deep learning models with it. You will also learn how to deploy the model for prediction in the cloud.
4 horas para concluir
5 vídeos (Total 23 mín.), 1 leitura, 5 testes
5 videos
Overview31s
Activation functions8min
Activation functions: Pitfalls to avoid in Backpropagation 5min
Neural Networks with Keras Sequential API7min
Lab intro Keras Sequential API21s
1 leituras
Readings10min
2 exercícios práticos
Activation Functions15min
Neural Networks with TF2 and Keras15min
3 horas para concluir
Training neural networks with Tensorflow 2 and the Keras Functional API
The Sequential model API is great for developing deep learning models in most situations, but it also has some limitations. One example is that it is not straightforward to define models that may have multiple different input sources, produce multiple output destinations or models that re-use layers. The Keras Functional API is a way to create models that are more flexible than the tf.keras.Sequential API. The functional API can handle models with non-linear topology, models with shared layers, and models with multiple inputs or outputs. The Keras Functional API provides a more flexible way for defining models. It specifically allows you to define multiple input or output models as well as models that share layers. More than that, it allows you to define ad hoc acyclic network graphs. The main idea that a deep learning model is usually a directed acyclic graph (DAG) of layers. So the Functional API is a way to build graphs of layers. Additionally, we will also talk about how regularization can help with model performance.
3 horas para concluir
6 vídeos (Total 29 mín.), 1 leitura, 4 testes
6 videos
Regularization: The Basics4min
Regularization: L1, L2, and Early Stopping5min
Regularization: Dropout5min
Serving models in the Cloud3min
Lab intro Keras Functional API38s
1 leituras
Readings1h
3 exercícios práticos
The Keras Functional API15min
Regularization15min
Serving Models in the Cloud15min
1 hora para concluir
Summary
Here we summarize the TensorFlow topics we covered so far in this course. We'll revisit core TensorFlow code, the tf.data API, Keras Sequential and Functional APIs and end with scaling your machine learning models with Cloud AI Platform.
1 hora para concluir
1 vídeo (Total 8 mín.), 1 leitura, 1 teste
1 vídeos
Course Summary7min
1 leituras
Quiz Questions to ALL Lessons 10min
1 exercício prático
Course Summary15min
Avaliações
Principais avaliações do INTRODUÇÃO AO 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.
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.
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.
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 .
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.
