Um ein Modell des maschinellen Lernens in die reale Welt zu bringen, bedarf es weit mehr als nur der Modellierung. In dieser Specialization lernen Sie, wie Sie sich in verschiedenen Einsatzszenarien zurechtfinden und Daten effektiver nutzen, um Ihr Modell zu trainieren. In diesem zweiten Kurs lernen Sie, wie Sie Ihre maschinellen Lernmodelle in mobilen Anwendungen ausführen. Sie lernen, wie Sie Modelle für weniger leistungsfähige, batteriebetriebene Geräte vorbereiten und dann auf Android- und iOS-Plattformen ausführen. Schließlich lernen Sie, wie Sie TensorFlow auf Raspberry Pi und Mikrocontrollern auf eingebetteten Systemen einsetzen können. Diese Specialization baut auf unserer TensorFlow in Practice Specialization auf. Wenn Sie TensorFlow noch nicht kennen, empfehlen wir Ihnen, zunächst die Specialization TensorFlow in Practice zu belegen. Wenn Sie ein tieferes, grundlegendes Verständnis für die Funktionsweise neuronaler Netze entwickeln möchten, empfehlen wir Ihnen die Deep Learning Specialization.
Gerätebasierte Modelle mit TensorFlow Lite
Dieser Kurs ist Teil von Spezialisierung TensorFlow: Daten und Einsatz
Dozent: Laurence Moroney
31.592 bereits angemeldet
(648 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Bereiten Sie Modelle für batteriebetriebene Geräte vor
Führen Sie Modelle auf Android- und iOS-Plattformen aus
Einsatz von Modellen auf eingebetteten Systemen wie Raspberry Pi und Mikrocontrollern
Kompetenzen, die Sie erwerben
- Kategorie: Tensorflow
- Kategorie: Objekt-Erkennung
- Kategorie: Maschinelles Lernen
- Kategorie: Mathematische Optimierung
- Kategorie: TensorFlow Lite
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
4 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 4 Module
Willkommen zu diesem Kurs über TensorFlow Lite, eine aufregende Technologie, mit der Sie Ihre Modelle direkt und buchstäblich in die Hände der Menschen geben können. Sie beginnen mit einem tiefen Einblick in die Technologie und ihre Funktionsweise und erfahren, wie Sie Ihre Modelle für die mobile Nutzung optimieren können - wo Akkuleistung und Rechenleistung zu einem wichtigen Faktor werden. Anschließend werden Sie sich mit der Erstellung von Anwendungen auf Android und iOS befassen, die Modelle verwenden, und Sie werden sehen, wie Sie den TensorFlow Lite Interpreter in diesen Umgebungen einsetzen können. Zum Abschluss des Kurses werfen Sie einen Blick auf eingebettete Systeme und Mikrocontroller und führen Ihre Modelle auf Raspberry Pi und SparkFun Edge Boards aus. Machen Sie sich keine Sorgen, wenn Sie keinen Zugang zu der Hardware haben - Sie werden größtenteils in der Lage sein, alles in emulierten Umgebungen zu tun. Fangen wir also damit an, uns anzusehen, was TensorFlow ist und wie es funktioniert!
Das ist alles enthalten
14 Videos8 Lektüren1 Aufgabe1 Programmieraufgabe1 Unbewertetes Labor
Letzte Woche haben Sie TensorFlow Lite kennengelernt und gesehen, wie Sie Ihre Modelle von TensorFlow in das TensorFlow Lite Format konvertieren können. Sie haben auch den eigenständigen TensorFlow Lite Interpreter kennengelernt, der zum Testen dieser Modelle verwendet werden kann. Zum Abschluss haben Sie eine Übung durchgeführt, bei der Sie ein auf Fashion MNIST basierendes Modell in TensorFlow Lite konvertiert und dann mit dem Interpreter getestet haben. In dieser Woche werden Sie sich mit dem ersten der Einsatztypen für diesen Kurs beschäftigen: Android. Android ist ein vielseitiges Betriebssystem, das in einer Reihe von verschiedenen Gerätetypen eingesetzt wird, am häufigsten jedoch in Telefonen, Tablets und TV-Systemen. Mit TensorFlow Lite können Sie Ihre Modelle auf Android laufen lassen, so dass Sie ML auf jeden dieser Gerätetypen bringen können. Es ist zwar hilfreich, einige Konzepte der Android-Programmierung zu verstehen, aber wir hoffen, dass Sie auch ohne diese Vorkenntnisse mitkommen und zumindest die vollständigen Beispiel-Apps ausprobieren können, die wir für die Bildklassifizierung, die Objekterkennung und mehr erkunden werden!
Das ist alles enthalten
15 Videos4 Lektüren1 Aufgabe
Das andere beliebte mobile Betriebssystem ist natürlich iOS. Diese Woche werden Sie also ganz ähnliche Aufgaben erledigen wie letzte Woche - Sie lernen, wie man Modelle nimmt und sie auf iOS ausführt. Sie benötigen einige Programmierkenntnisse in Swift für iOS, um alles, was wir durchgehen, vollständig zu verstehen. Aber selbst wenn Sie nicht über diese Kenntnisse verfügen, denke ich, dass Ihnen der Inhalt dieser Woche Spaß machen wird - und Sie werden lernen, wie Sie eine Vielzahl von ML-Anwendungen erstellen, die auf diesem wichtigen Betriebssystem laufen!
Das ist alles enthalten
22 Videos9 Lektüren1 Aufgabe
Nun, da Sie sich TensorFlow Lite angesehen und die Erstellung von Apps auf Android und iOS erkundet haben, die es verwenden, besteht der nächste und letzte Schritt darin, eingebettete Systeme wie den Raspberry Pi zu erkunden und zu lernen, wie Sie Ihre Modelle darauf zum Laufen bringen. Das Schöne daran ist, dass der Pi ein vollwertiges Linux-System ist, auf dem Python laufen kann, so dass Sie entweder das vollständige TensorFlow für Training und Inferenz oder nur den Interpreter für die Inferenz verwenden können. Ich würde Letzteres empfehlen, da das Training auf einem Pi sehr langsam sein kann!
Das ist alles enthalten
13 Videos9 Lektüren1 Aufgabe
Dozent
Empfohlen, wenn Sie sich für Softwareentwicklung interessieren
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 648
648 Bewertungen
- 5 stars
78 %
- 4 stars
16,15 %
- 3 stars
4,30 %
- 2 stars
0,76 %
- 1 star
0,76 %
Geprüft am 18. März 2020
Geprüft am 10. Apr. 2020
Geprüft am 12. Okt. 2020
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.