Informações sobre o 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
Português (Brasil)
Legendas: Francês, Português (Brasil), Alemão, Russo, Inglês, Espanhol, Japonês...
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
Português (Brasil)
Legendas: Francês, Português (Brasil), Alemão, Russo, Inglês, Espanhol, Japonês...

oferecido por

Placeholder

Google Cloud

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

7 minutos para concluir

Introdução

7 minutos para concluir
2 vídeos (Total 7 mín.)
2 videos
Introdução ao Qwiklabs5min
4 horas para concluir

Principais componentes do TensorFlow

4 horas para concluir
19 vídeos (Total 72 mín.)
19 videos
O que é o TensorFlow?2min
Benefícios de um gráfico direcionado5min
Hierarquia da API do TensorFlow3min
Avaliação preguiçosa4min
Gráfico e sessão4min
Como avaliar um tensor2min
Como visualizar um gráfico2min
Tensores6min
Variáveis6min
Introdução ao laboratório: como escrever programas do TensorFlow em baixo nível16s
Solução do laboratório8min
Introdução5min
Problemas de forma3min
Como resolver problemas de forma2min
Problemas de tipo de dados1min
Como depurar programas completos4min
Introdução: como depurar programas completos15s
Demonstração: como depurar programas completos3min
3 exercícios práticos
O que é o TensorFlow?30min
Gráfico e sessão30min
Principais componentes do TensorFlow30min
Semana
2

Semana 2

5 horas para concluir

Estimator API

5 horas para concluir
18 vídeos (Total 67 mín.)
18 videos
API Estimator3min
Estimators pré-desenvolvidos5min
Demonstração: modelo do preço de imóveis1min
Como estabelecer pontos de verificação1min
Treinamento em conjuntos de dados na memória2min
Introdução ao laboratório: API Estimator39s
Solução do laboratório: API Estimator10min
Treinamento em grandes conjuntos de dados com a API Dataset8min
Introdução ao laboratório: como escalonar a ingestão do TensorFlow com o uso de lotes35s
Solução do laboratório: como escalonar a ingestão do TensorFlow com o uso de lotes5min
Grandes jobs, treinamento distribuído6min
Como monitorar com o TensorBoard3min
Demonstração: IU do TensorBoard28s
Como disponibilizar funções de entrada5min
Recapitulação: API Estimator1min
Introdução ao laboratório: como criar um modelo de treinamento do TensorFlow com a API Estimator51s
Solução do laboratório: como criar um modelo de treinamento do TensorFlow com a API Estimator7min
1 exercício prático
Teste – Estimator API30min
Semana
3

Semana 3

2 horas para concluir

Como ampliar os modelos do TensorFlow com CMLE

2 horas para concluir
6 vídeos (Total 29 mín.)
6 videos
Por que usar o Cloud Machine Learning Engine?6min
Como treinar um modelo2min
Como monitorar e implantar jobs de treinamento2min
Introdução ao laboratório: como escalonar o TensorFlow com o Cloud Machine Learning Engine50s
Solução do laboratório: como escalonar o TensorFlow com o Cloud Machine Learning Engine16min
1 exercício prático
Teste – Cloud MLE30min
2 minutos para concluir

Resumo

2 minutos para concluir
1 vídeo (Total 2 mín.)
1 vídeos
Resumo2min

Sobre Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro

O que é aprendizado de máquina e que tipos de problema ele pode resolver? Quais são as cinco fases da conversão de um possível caso de uso de aprendizado de máquina e por que é importante que elas não sejam ignoradas? Por que as redes neurais são tão requisitadas hoje? Como configurar um problema de aprendizado supervisionado, além de encontrar uma solução ótima e generalizável com gradiente descendente e uma boa forma de criar conjuntos de dados? Aprenda a gravar modelos de aprendizado de máquina distribuídos com escalonamento no TensorFlow, faça escalonamento horizontal do treinamento desses modelos e ofereça previsões de alto desempenho. Converta dados brutos em atributos para informar características importantes desses dados ao aprendizado de máquina e ofereça uma percepção humana para dar suporte ao problema. Por fim, aprenda a incorporar a combinação ideal de parâmetros que produz modelos precisos e generalizados, além de conhecer a teoria para resolver tipos específicos de problemas de aprendizado de máquina. Você passará por todas as etapas do aprendizado de máquina, desde a criação de uma estratégia voltada para aprendizado de máquina até o treinamento, a otimização e a produção de modelos em laboratórios práticos com o Google Cloud Platform. >>> Ao se inscrever nesta especialização você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.