Diese Specialization richtet sich an Forscher und Praktiker im Bereich des maschinellen Lernens, die praktische Fähigkeiten im beliebten Deep-Learning-Framework TensorFlow entwickeln möchten.
Der erste Kurs dieser Specialization führt Sie durch die grundlegenden Konzepte, die Sie benötigen, um erfolgreich Deep-Learning-Modelle zu erstellen, zu trainieren, zu evaluieren und Vorhersagen zu treffen, Ihre Modelle zu validieren und Regularisierungen einzubeziehen, Callbacks zu implementieren und Modelle zu speichern und zu laden.
Im zweiten Kurs vertiefen Sie Ihre Kenntnisse und Fähigkeiten mit TensorFlow, um vollständig angepasste Deep-Learning-Modelle und Arbeitsabläufe für jede Anwendung zu entwickeln. Sie werden APIs auf niedrigerer Ebene in TensorFlow verwenden, um komplexe Modellarchitekturen, vollständig angepasste Schichten und einen flexiblen Datenworkflow zu entwickeln. Sie werden Ihre Kenntnisse der TensorFlow APIs auch auf Sequenzmodelle ausdehnen.
Der letzte Kurs spezialisiert sich auf den immer wichtiger werdenden probabilistischen Ansatz beim Deep Learning. Sie lernen, wie Sie probabilistische Modelle mit TensorFlow entwickeln und dabei insbesondere die TensorFlow Probability Bibliothek nutzen, die es Ihnen erleichtert, probabilistische Modelle mit Deep Learning zu kombinieren. Daher kann dieser Kurs auch als eine Einführung in die TensorFlow Probability Bibliothek betrachtet werden.
Voraussetzung für diese Specializations sind Python 3, allgemeine Konzepte des maschinellen Lernens und des Deep Learning sowie eine solide Grundlage in Wahrscheinlichkeitsrechnung und Statistik (insbesondere für Kurs 3).
Praktisches Lernprojekt
Im Rahmen der Capstone-Projekte und Programmieraufgaben dieser Specializations erwerben Sie praktische Fähigkeiten in der Entwicklung von Deep Learning-Modellen für eine Reihe von Anwendungen wie Bildklassifizierung, Sprachübersetzung und Text- und Bilderzeugung.