Questo corso tratta la creazione di modelli ML con TensorFlow e Keras, il miglioramento dell'accuratezza dei modelli ML e la scrittura di modelli ML per l'uso su larga scala.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Ce que vous apprendrez
Progettare e creare una pipeline di dati di input TensorFlow.
Utilizzare la libreria tf.data per manipolare dati in set di dati di grandi dimensioni.
Utilizzare le API Keras Sequential e Functional per creare modelli semplici e avanzati.
Addestrare, eseguire il deployment e implementare in produzione i modelli ML su larga scala con Vertex AI.
Détails à connaître
Ajouter à votre profil LinkedIn
juin 2024
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 6 modules dans ce cours
Questo modulo fornisce una panoramica del corso e dei suoi obiettivi.
Inclus
1 vidéo
Questo modulo introduce il framework di TensorFlow e ne presenta in anteprima i componenti principali, nonché la gerarchia generale delle API.
Inclus
4 vidéos1 lecture1 devoir
I dati sono un componente fondamentale di un modello di machine learning. Non basta, però, raccogliere i dati giusti. È necessario anche assicurarsi di mettere in atto i processi giusti per pulire, analizzare e trasformare i dati, se necessario, in modo che il modello possa sfruttarli al meglio. In questo modulo parleremo dell'addestramento su set di dati di grandi dimensioni con tf.data, dell'utilizzo dei file in memoria e di come preparare i dati per l'addestramento. Quindi discuteremo degli incorporamenti e termineremo con una panoramica sulla scalabilità dei dati con gli strati di pre-elaborazione di tf.keras.
Inclus
10 vidéos1 lecture1 devoir2 éléments d'application
In questo modulo esaminiamo le funzioni di attivazione e come vengono utilizzate per permettere alle reti neurali profonde di acquisire le non linearità dei dati. Quindi forniamo una panoramica delle reti neurali profonde utilizzando le API Keras Sequential e Functional. Successivamente, descriviamo la suddivisione in sottoclassi dei modelli, in modo da avere una maggiore flessibilità nella creazione dei modelli. Il modulo termina con una lezione sulla regolarizzazione.
Inclus
10 vidéos1 lecture1 devoir2 éléments d'application
In questo modulo viene descritto come addestrare i modelli TensorFlow su larga scala utilizzando Vertex AI.
Inclus
3 vidéos1 lecture1 devoir1 élément d'application
Questo modulo è un riepilogo del corso Build, Train, and Deploy ML Models with Keras on Google Cloud.
Inclus
4 lectures
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Machine Learning
DeepLearning.AI
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.