Apresentaremos o TensorFlow de baixo nível e trabalharemos com os conceitos e APIs necessários para gravar modelos de aprendizado de máquina distribuídos. Levando em consideração os modelos do TensorFlow, explicaremos como fazer o escalonamento horizontal do treinamento desse modelo e oferecer previsões de alto desempenho com o Cloud Machine Learning Engine.
課程信息
3,052 次近期查看
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為9 小時
巴西葡萄牙語
字幕：法語（French）, 巴西葡萄牙語, 德語（German）, 英語（English）, 西班牙語（Spanish）, 日語
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為9 小時
巴西葡萄牙語
字幕：法語（French）, 巴西葡萄牙語, 德語（German）, 英語（English）, 西班牙語（Spanish）, 日語
提供方
Google 云端平台
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.
教學大綱 - 您將從這門課程中學到什麼
完成時間為 7 分鐘
Introdução
A ferramenta que utilizaremos para criar programas de aprendizado de máquina é o TensorFlow, que será apresentado neste curso. No primeiro curso, você aprendeu a formular problemas corporativos como problemas de aprendizado de máquina. No segundo, viu como a máquina funciona na prática e como criar conjuntos de dados que podem ser usados no aprendizado de máquina. Agora que seus dados estão prontos, você pode começar a criar programas de aprendizado de máquina.
完成時間為 7 分鐘
2 個視頻 （總計 7 分鐘）
完成時間為 3 小時
Principais componentes do TensorFlow
Apresentaremos os principais componentes do TensorFlow. Além disso, você aprenderá na prática a criar programas de aprendizado de máquina. Você poderá fazer a comparação e a gravação de avaliações preguiçosas (lazy evaluation) e programas imperativos, trabalhar com gráficos, sessões e variáveis e, por fim, depurar programas do TensorFlow.
完成時間為 3 小時
19 個視頻 （總計 72 分鐘）
19 個視頻
Introdução1分鐘
O que é o TensorFlow?2分鐘
Benefícios de um gráfico direcionado5分鐘
Hierarquia da API do TensorFlow3分鐘
Avaliação preguiçosa4分鐘
Gráfico e sessão4分鐘
Como avaliar um tensor2分鐘
Como visualizar um gráfico2分鐘
Tensores6分鐘
Variáveis6分鐘
Introdução ao laboratório: como escrever programas do TensorFlow em baixo nível16
Solução do laboratório8分鐘
Introdução5分鐘
Problemas de forma3分鐘
Como resolver problemas de forma2分鐘
Problemas de tipo de dados1分鐘
Como depurar programas completos4分鐘
Introdução: como depurar programas completos15
Demonstração: como depurar programas completos3分鐘
3 個練習
O que é o TensorFlow?2分鐘
Gráfico e sessão8分鐘
Principais componentes do TensorFlow20分鐘
完成時間為 4 小時
Estimator API
Neste módulo, falaremos sobre a Estimator API.
完成時間為 4 小時
18 個視頻 （總計 67 分鐘）
18 個視頻
Introdução1分鐘
API Estimator3分鐘
Estimators pré-desenvolvidos5分鐘
Demonstração: modelo do preço de imóveis1分鐘
Como estabelecer pontos de verificação1分鐘
Treinamento em conjuntos de dados na memória2分鐘
Introdução ao laboratório: API Estimator39
Solução do laboratório: API Estimator10分鐘
Treinamento em grandes conjuntos de dados com a API Dataset8分鐘
Introdução ao laboratório: como escalonar a ingestão do TensorFlow com o uso de lotes35
Solução do laboratório: como escalonar a ingestão do TensorFlow com o uso de lotes5分鐘
Grandes jobs, treinamento distribuído6分鐘
Como monitorar com o TensorBoard3分鐘
Demonstração: IU do TensorBoard28
Como disponibilizar funções de entrada5分鐘
Recapitulação: API Estimator1分鐘
Introdução ao laboratório: como criar um modelo de treinamento do TensorFlow com a API Estimator51
Solução do laboratório: como criar um modelo de treinamento do TensorFlow com a API Estimator7分鐘
1 個練習
Teste – Estimator API18分鐘
完成時間為 2 小時
Como ampliar os modelos do TensorFlow com CMLE
Agora, vamos aprender a treinar seu modelo do TensorFlow na infraestrutura gerenciada do GCP para treinamento e implantação de modelo de aprendizado de máquina.
完成時間為 2 小時
6 個視頻 （總計 29 分鐘）
6 個視頻
Por que usar o Cloud Machine Learning Engine?6分鐘
Como treinar um modelo2分鐘
Como monitorar e implantar jobs de treinamento2分鐘
Introdução ao laboratório: como escalonar o TensorFlow com o Cloud Machine Learning Engine50
Solução do laboratório: como escalonar o TensorFlow com o Cloud Machine Learning Engine16分鐘
1 個練習
Teste – Cloud MLE10分鐘
完成時間為 2 分鐘
Resumo
Veja o resumo dos tópicos do TensorFlow abordados até agora no curso. Relembraremos o que foi discutido sobre o código do TensorFlow e a Estimator API, além do escalonamento dos seus modelos com o Cloud Machine Learning Engine.
完成時間為 2 分鐘
1 個視頻 （總計 2 分鐘）
1 個視頻
Resumo2分鐘
關於 Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro 專項課程
O que é aprendizado de máquina e que tipos de problema ele pode resolver? Quais são as cinco fases da conversão de um possível caso de uso de aprendizado de máquina e por que é importante que elas não sejam ignoradas? Por que as redes neurais são tão requisitadas hoje? Como configurar um problema de aprendizado supervisionado, além de encontrar uma solução ótima e generalizável com gradiente descendente e uma boa forma de criar conjuntos de dados? Aprenda a gravar modelos de aprendizado de máquina distribuídos com escalonamento no TensorFlow, faça escalonamento horizontal do treinamento desses modelos e ofereça previsões de alto desempenho. Converta dados brutos em atributos para informar características importantes desses dados ao aprendizado de máquina e ofereça uma percepção humana para dar suporte ao problema. Por fim, aprenda a incorporar a combinação ideal de parâmetros que produz modelos precisos e generalizados, além de conhecer a teoria para resolver tipos específicos de problemas de aprendizado de máquina. Você passará por todas as etapas do aprendizado de máquina, desde a criação de uma estratégia voltada para aprendizado de máquina até o treinamento, a otimização e a produção de modelos em laboratórios práticos com o Google Cloud Platform.
>>> Ao se inscrever nesta especialização você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service <<<
常見問題
我能否在注册前预览课程？
是的，您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程，才能访问预览不包括的内容。
我什么时候能够访问课程视频和作业？
如果您决定在班次开始日期之前注册课程，那么您将可以访问课程的所有课程视频和阅读材料。班次开始之后，您便可以提交作业。
我注册之后会得到什么？
在您注册且班次开课之后，您将可以访问所有视频和其他资源，包括阅读材料内容和课程论坛。您将能够查看和提交练习作业，并完成所需的评分作业以获得成绩和课程证书。
我什么时候会收到课程证书？
如果您成功完成课程，您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。
我为什么不能旁听此课程？
该课程是 Coursera 上提供的为数不多的课程之一，目前只对已购买课程或已获得助学金的学生开放。
退款政策是如何规定的？
如果订阅，您可以获得 7 天免费试听，在此期间，您可以取消课程，无需支付任何罚金。在此之后，我们不会退款，但您可以随时取消订阅。请阅读我们完整的退款政策。
有助学金吗？
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
完成课程后，我会获得大学学分吗？
此课程不提供大学学分，但部分大学可能会选择接受课程证书作为学分。查看您的合作院校，了解详情。Coursera 上的在线学位和 Mastertrack™ 证书提供获得大学学分的机会。
還有其他問題嗎？請訪問 學生幫助中心。
