Language IndustryInformation Seeking BehaviorCollective IntelligenceSocial Media MiningBacktestingUncertainty AnalysisFinancial AnalysisMotion Chart
Programa de cursos integrados Machine Learning with TensorFlow Google Cloud Platform 日本語版
Google Cloud で機械学習（ML）について学ぶ. 実践的なデータを使用した包括的な ML 実習
oferecido por
Habilidades que você terá
Sobre este Programa de cursos integrados
機械学習とはどのようなもので、どのような問題解決に役立つのでしょうか。候補となるユースケースを機械学習で習得できる形に変換する5段階とは、そしてこれらの段階を省略しないことが重要である理由は何でしょうか。今、なぜニューラル ネットワークに注目が集まっているのでしょうか。
問題を設定し、勾配降下を使用して適切な解決策を見つけ、データセットを作成する方法について学びます。また、Tensorflow でスケーラブルな分散型機械学習モデルを作成して、これらのモデルのトレーニングを拡張し、高性能な予測ができるようになります。さらに、機械学習（ML）がデータから重要な特質を学習したり、人間による分析を問題に取り入れるように、生データを変換します。最後に、正確で一般化されたモデルを生成し、特定の ML 問題を解決する理論について、および適切なパラメータの組み合わせ方を学びます。まず ML 集中型の戦略の構築から始め、その後 Google Cloud Platform のハンズオンラボを通じてモデルのトレーニング、最適化、本稼働まで、ML に関する手順全体を実習します。
Projeto de Aprendizagem Aplicada
この専門講座には 、Qwiklabs プラットフォームを使用したハンズオンラボが組み込まれています。
こうしたハンズオン コンポーネントにより、講義動画で学んだスキルを実際に使ってみることができます。プロジェクトには、Qwiklabs 内で使用、構成された Google Cloud Platform プロダクトなどのトピックが組み込まれています。モジュール全体で説明されている概念を使用して実際に体験してみましょう。
Resultados de carreira do aprendiz
50%
Conseguiu um aumento ou uma promoção.
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível intermediário
É necessário ter alguma experiência prévia.É necessária alguma experiência prévia.
Aproximadamente 6 meses para ser concluído
Ritmo sugerido de 4 horas/semana
Japonês
Legendas: Japonês, Inglês
Resultados de carreira do aprendiz
50%
Conseguiu um aumento ou uma promoção.
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível intermediário
É necessário ter alguma experiência prévia.É necessária alguma experiência prévia.
Aproximadamente 6 meses para ser concluído
Ritmo sugerido de 4 horas/semana
Japonês
Legendas: Japonês, Inglês
Como funciona o programa de cursos integrados
Fazer cursos
Um programa de cursos integrados do Coursera é uma série de cursos para ajudá-lo a dominar uma habilidade. Primeiramente, inscreva-se no programa de cursos integrados diretamente, ou avalie a lista de cursos e escolha por qual você gostaria de começar. Ao se inscrever em um curso que faz parte de um programa de cursos integrados, você é automaticamente inscrito em todo o programa de cursos integrados. É possível concluir apenas um curso — você pode pausar a sua aprendizagem ou cancelar a sua assinatura a qualquer momento. Visite o seu painel de aprendiz para controlar suas inscrições em cursos e progresso.
Projeto prático
Todos os programas de cursos integrados incluem um projeto prático. Você precisará completar com êxito o(s) projeto(s) para concluir o programa de cursos integrados e obter o seu certificado. Se o programa de cursos integrados incluir um curso separado para o projeto prático, você precisará completar todos os outros cursos antes de iniciá-lo.
Obtenha um certificado
Ao concluir todos os cursos e completar o projeto prático, você obterá um certificado que pode ser compartilhado com potenciais empregadores e com sua rede profissional.
Este Programa de cursos integrados contém 5 cursos
How Google does Machine Learning 日本語版
122 classificações
機械学習とはどのようなもので、どのような問題を解決できるでしょうか。Google は機械学習について、データだけでなくロジックの面からも独自の視点で考えています。機械学習モデルのパイプラインの構築について検討する際、このようなフレーミングがなぜデータ サイエンティストにとって有益であるかを説明します。
Launching into Machine Learning 日本語版
46 classificações
機械学習の歴史を皮切りに、ニューラル ネットワークがデータ サイエンスのさまざまな問題でうまく機能している理由をご紹介します。次に、教師あり学習の問題を設定し、勾配降下法を使用して適切な解決策を見つける方法について説明します。これには、一般化が可能なデータセットの作成も含まれます。実験に対応するため、繰り返し使用できるデータセットの作成方法について解説します。
Intro to TensorFlow 日本語版
このコースの目的は、柔軟で手軽な TensorFlow 2.x と Keras を使用して、機械学習モデルを作成、トレーニング、およびデプロイすることです。TensorFlow 2.x API の階層について学び、TensorFlow の主要コンポーネントを実践演習で理解します。データセットと特徴列の扱い方について学びます。TensorFlow 2.x 入力データ パイプラインの設計と作成の方法について学びます。tf.data.Dataset を使用して csv データ、NumPy 配列、テキストデータ、および画像を読み込む実践演習を行います。数値、カテゴリ、バケット、およびハッシュの特徴列を作成する実践演習も行います。
Feature Engineering 日本語版
機械学習（ML）モデルの精度を高める方法や、最も有用な特徴量を作成するためのデータ列の見極め方を学びたい方におすすめのコースです。この Feature Engineering コースでは、「良い」特徴量と「悪い」特徴量について説明し、それらをモデルで最大限に活用できるように前処理して変換する方法を解説します。
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.
Perguntas Frequentes – FAQ
Qual é a política de reembolso?
Posso me inscrever em um único curso?
Existe algum auxílio financeiro disponível?
Posso fazer o curso gratuitamente?
Este curso é realmente 100% on-line? Eu preciso assistir alguma aula pessoalmente?
Vou ganhar créditos universitários por concluir a Especialização?
Vou ganhar créditos universitários por concluir a Especialização?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
