このモジュールでは、TensorFlow フレームワークを紹介し、その主要コンポーネントを API 全体の階層とあわせて説明します。

データは、ML モデルのきわめて重大なコンポーネントです。適切なデータを収集するだけでは不十分で、必要に応じて、データのクリーニング、分析、変換を行う場所に適切なプロセスを導入する必要があります。そうすることで、モデルがデータの発する信号を最大限認識できるようになります。このモジュールでは、tf.data を含む大規模なデータセットを使用したトレーニング、メモリ内ファイルの操作、およびトレーニング用データの準備方法について話をします。その後エンベディングの話をして、最後に tf.keras 前処理レイヤを使用したデータのスケーリングについて概要を説明します。

このモジュールでは、活性化関数と、それらの関数がディープ ニューラル ネットワークによるデータ非線形性の取り込みを可能としなければならない理由について話をします。その後、Keras Sequential API と Functional API を使用してディープ ニューラル ネットワークの概要を説明します。続いて、モデルのサブクラス化を説明します。サブクラス化により、モデル構築の柔軟性が強化されます。最後に、正則化についてのレッスンでこのモジュールを締めくくります。

このモジュールでは、Vertex AI を使用して TensorFlow モデルを大規模にトレーニングする方法を説明します。

このモジュールは、「TensorFlow on Google Cloud」コースのまとめです。