Apresentaremos o TensorFlow de baixo nível e trabalharemos com os conceitos e APIs necessários para gravar modelos de aprendizado de máquina distribuídos. Levando em consideração os modelos do TensorFlow, explicaremos como fazer o escalonamento horizontal do treinamento desse modelo e oferecer previsões de alto desempenho com o Cloud Machine Learning Engine.
Este curso faz parte do Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro
oferecido por
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
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
Introdução
A ferramenta que utilizaremos para criar programas de aprendizado de máquina é o TensorFlow, que será apresentado neste curso. No primeiro curso, você aprendeu a formular problemas corporativos como problemas de aprendizado de máquina. No segundo, viu como a máquina funciona na prática e como criar conjuntos de dados que podem ser usados no aprendizado de máquina. Agora que seus dados estão prontos, você pode começar a criar programas de aprendizado de máquina.
7 minutos para concluir
2 vídeos (Total 7 mín.)
4 horas para concluir
Principais componentes do TensorFlow
Apresentaremos os principais componentes do TensorFlow. Além disso, você aprenderá na prática a criar programas de aprendizado de máquina. Você poderá fazer a comparação e a gravação de avaliações preguiçosas (lazy evaluation) e programas imperativos, trabalhar com gráficos, sessões e variáveis e, por fim, depurar programas do TensorFlow.
4 horas para concluir
19 vídeos (Total 72 mín.)
19 videos
Introdução1min
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
5 horas para concluir
Estimator API
Neste módulo, falaremos sobre a Estimator API.
5 horas para concluir
18 vídeos (Total 67 mín.)
18 videos
Introdução1min
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
2 horas para concluir
Como ampliar os modelos do TensorFlow com CMLE
Agora, vamos aprender a treinar seu modelo do TensorFlow na infraestrutura gerenciada do GCP para treinamento e implantação de modelo de aprendizado de máquina.
2 horas para concluir
6 vídeos (Total 29 mín.)
6 videos
Introdução31s
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
Veja o resumo dos tópicos do TensorFlow abordados até agora no curso. Relembraremos o que foi discutido sobre o código do TensorFlow e a Estimator API, além do escalonamento dos seus modelos com o Cloud Machine Learning Engine.
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.
Perguntas Frequentes – FAQ
Posso assistir uma prévia do curso antes de me inscrever?
O que recebo ao me inscrever?
Quando receberei meu Certificado de Curso?
Por que não posso assistir este curso como ouvinte?
Is financial aid available?
Ganharei créditos universitários por concluir o curso?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
