Ce cours présente l'approche TensorFlow de bas niveau et dresse la liste des concepts et API nécessaires pour la rédaction de modèles de machine learning distribués. Nous verrons comment appliquer une évolutivité horizontale à l'entraînement d'un modèle TensorFlow afin d'offrir des prédictions très pertinentes avec Cloud Machine Learning Engine.
Este curso faz parte do Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform en Français
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. 9 horas para completar
Francês
Legendas: Francês, Português (Brasil), Alemão, 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. 9 horas para completar
Francês
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
Nous utiliserons l'outil TensorFlow pour rédiger des programmes de machine learning. Par conséquent, ce cours comporte une présentation de TensorFlow. Lors du premier cours, vous avez appris à transposer les problèmes d'une entreprise en problèmes de machine learning. Dans le deuxième cours, vous avez compris le fonctionnement pratique du machine learning, et appris à créer des ensembles de données appliqués au machine learning. Maintenant que vous avez toutes les données en main, vous êtes prêt à commencer la rédaction de programmes de machine learning.
7 minutos para concluir
2 vídeos (Total 7 mín.)
3 horas para concluir
Core TensorFlow
Nous vous présenterons les principaux composants de TensorFlow, et vous pourrez vous exercer, à travers des ateliers pratiques, à créer des programmes de machine learning. Vous pourrez rédiger une évaluation paresseuse et des programmes impératifs, puis les comparer, travailler avec des graphes, des sessions et des variables, et enfin déboguer les programmes TensorFlow.
3 horas para concluir
19 vídeos (Total 72 mín.)
19 videos
Présentation1min
Qu'est-ce que TensorFlow ?2min
Avantages d'un graphe orienté5min
Hiérarchie de l'API TensorFlow3min
Évaluation paresseuse4min
Graphique et session4min
Évaluer un Tensor2min
Visualiser un graph2min
Tensors6min
Variables6min
Présentation de l'atelier : Écrire des programmes TensorFlow de bas niveau16s
Solution de l'atelier8min
Présentation5min
Problèmes de forme3min
Résoudre les problèmes de forme2min
Problèmes de type de données1min
Déboguer des programmes complets4min
Présentation : Déboguer des programmes complets15s
Démonstration : Déboguer des programmes complets3min
3 exercícios práticos
Qu'est-ce que TensorFlow ?2min
Graphe et session8min
Core TensorFlow20min
4 horas para concluir
API Estimator
Au cours de ce module, nous allons vous présenter dans le détail l'API Estimator.
4 horas para concluir
18 vídeos (Total 67 mín.)
18 videos
Présentation1min
API Estimator3min
Estimators prédéfinis5min
Démonstration : Modèle du prix des logements1min
Points de contrôle1min
Apprentissage avec des ensembles de données en mémoire2min
Présentation de l'atelier : API Estimator39s
Solution de l'atelier : API Estimator10min
Apprentissage avec de grands ensembles de données grâce à l'API Dataset8min
Présentation de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot35s
Solution de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot5min
Tâches de grande envergure, apprentissage distribué6min
Assurer la surveillance avec TensorBoard3min
Démonstration : UI TensorBoard28s
Fonctionnalité d'entrée de diffusion5min
Récapitulatif : API Estimator1min
Présentation de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator51s
Solution de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator7min
1 exercício prático
API Estimator18min
2 horas para concluir
Effectuer le scaling des modèles TensorFlow avec CMLE
Nous allons voir comment transférer et entraîner votre modèle TensorFlow sur l'infrastructure gérée de GCP dédiée à l'entraînement et au déploiement de modèles de machine learning.
2 horas para concluir
6 vídeos (Total 29 mín.)
6 videos
Présentation31s
Pourquoi Cloud Machine Learning Engine ?6min
Entraîner un modèle2min
Surveiller et déployer des tâches d'entraînement2min
Présentation de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine50s
Solution de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine16min
1 exercício prático
Cloud MLE10min
2 minutos para concluir
Récapitulatif
Voici un récapitulatif des sujets TensorFlow que nous avons abordés dans ce cours. Nous examinerons à nouveau le code Core TensorFlow et l'API Estimator, et nous finirons par effectuer le scaling de vos modèles de machine learning avec Cloud Machine Learning Engine.
2 minutos para concluir
1 vídeo (Total 2 mín.)
1 vídeos
Récapitulatif2min
Sobre Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform en Français
Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML.
Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform.
>>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: 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 .
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
