課程信息
100% 在線

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

可靈活調整截止日期

根據您的日程表重置截止日期。
中級

中級

完成時間(小時)

完成時間大約為5 小時

建議:11 hours/week...
可選語言

德語(German)

字幕:德語(German), 法語(French), 巴西葡萄牙語, 英語(English), 西班牙語(Spanish), 日語...
100% 在線

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

可靈活調整截止日期

根據您的日程表重置截止日期。
中級

中級

完成時間(小時)

完成時間大約為5 小時

建議:11 hours/week...
可選語言

德語(German)

字幕:德語(German), 法語(French), 巴西葡萄牙語, 英語(English), 西班牙語(Spanish), 日語...

教學大綱 - 您將從這門課程中學到什麼

1
完成時間(小時)
完成時間為 4 分鐘

Einführung

Dieser Kurs vermittelt Ihnen ML-Basiswissen, damit Sie die Terminologie kennenlernen, die wir während der Spezialisierung verwenden. Sie bekommen außerdem praktische Tipps und Hinweise zu Fallstricken von ML-Fachleuten bei Google. Am Ende nehmen Sie den Code und das Fachwissen für Ihre eigenen ML-Modelle mit....
Reading
1 個視頻 (總計 4 分鐘)
Video1 個視頻
完成時間(小時)
完成時間為 1 小時

ML in der Praxis

In diesem Modul stellen wir einige der wichtigsten Arten maschinellen Lernens vor und sehen uns noch einmal die Entwicklung ML an. Sie können so schneller in die ML-Praxis einsteigen....
Reading
10 個視頻 (總計 62 分鐘), 1 個測驗
Video10 個視頻
Betreutes Lernen5分鐘
Regression und Klassifizierung11分鐘
Kurzer Rückblick auf ML: Lineare Regression7分鐘
Kurzer Rückblick auf ML: Perzeptron5分鐘
Kurzer Rückblick auf ML: Neuronale Netzwerke7分鐘
Kurzer Rückblick auf ML: Entscheidungsbäume5分鐘
Kurzer Rückblick auf ML: Kernel-Methoden4分鐘
Kurzer Rückblick auf ML: Random Forests4分鐘
Kurzer Rückblick auf ML: Moderne neuronale Netzwerke8分鐘
Quiz1 個練習
Modul-Quiz6分鐘
完成時間(小時)
完成時間為 1 小時

Optimierung

In diesem Modul gehen wir die Optimierung von ML-Modellen durch....
Reading
13 個視頻 (總計 61 分鐘), 1 個測驗
Video13 個視頻
ML-Modelle definieren4分鐘
Einführung in das Dataset "Natality"6分鐘
Einführung in Verlustfunktionen6分鐘
Gradientenverfahren5分鐘
Fehlerbehebung bei einer Verlustkurve2分鐘
Probleme mit ML-Modellen6分鐘
Lab: Einführung in TensorFlow Playground6分鐘
Lab: TensorFlow Playground für Fortgeschrittene3分鐘
Lab: Mit neuronalen Netzwerken arbeiten6分鐘
Fehlerbehebung bei einer Verlustkurve1分鐘
Leistungsmesswerte3分鐘
Wahrheitsmatrix5分鐘
Quiz1 個練習
Modul-Quiz6分鐘
完成時間(小時)
完成時間為 3 小時

Generalisierung und Stichprobenerhebung

Jetzt ist es an der Zeit, eine recht seltsam anmutende Frage zu beantworten: Wann ist das genaueste ML-Modell nicht die beste Wahl? Wie wir im letzten Modul zur Optimierung angedeutet haben, erbringt ein Modell mit einem Verlustwert von 0 mit Ihrem Trainings-Dataset nicht automatisch auch mit realen Datasets ein gutes Ergebnis. ...
Reading
9 個視頻 (總計 64 分鐘), 3 個測驗
Video9 個視頻
Generalisierung und ML-Modelle6分鐘
Wann das Modelltraining beendet werden sollte5分鐘
Wiederholbare Beispiele in BigQuery erstellen6分鐘
Demo: Datasets in BigQuery aufteilen8分鐘
Einführung in das Lab1分鐘
Lösungsübersicht für das Lab9分鐘
Einführung in das Lab2分鐘
Lösungsübersicht für das Lab23分鐘
Quiz1 個練習
Modul-Quiz12分鐘
完成時間(小時)
完成時間為 3 分鐘

Zusammenfassung

...
Reading
1 個視頻 (總計 3 分鐘)
Video1 個視頻

關於 Google Cloud

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....

關於 Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch 專項課程

>>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<< *** Google Cloud und Kaggle möchten Sie einladen, an unserem New York City Taxitarif-Ratespielwettbewerb teilzunehmen, der gerade stattfindet. Weitere Informationen finden Sie unter: https://www.kaggle.com/c/new-york-city-taxi-fare-prediction*** Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Was sind die fünf Phasen zur Umsetzung eines für ML geeigneten Anwendungsfalls und warum darf keine dieser Phasen übersprungen werden? Warum sind neuronale Netze gerade so beliebt? Wie können Sie ein Projekt für betreutes Lernen gestalten und mithilfe des Gradientenverfahrens und sinnvoll erstellten Datasets eine gute, generalisierbare Lösung finden? In diesem Kurs lernen Sie, verteilte Modelle für ML zu schreiben, die in TensorFlow skaliert werden, das Training dieser Modelle horizontal zu skalieren und leistungsstarke Vorhersagen zu erstellen. Wir gehen darauf ein, wie Sie Rohdaten so in Merkmale umwandeln, dass ML wichtige Eigenschaften dieser Daten erlernen kann und menschliche Einblicke in das Problem zulässt. Schließlich lernen Sie, die richtige Mischung aus Parametern zu verwenden, um präzise und generalisierte Modelle zu erstellen, und Sie erhalten eine Einführung in die Theorie zum Lösen bestimmter Arten von ML-Problemen. Auf diese Weise gewinnen Sie ein umfassendes Verständnis von ML. Zuerst erstellen Sie eine auf ML ausgerichtete Strategie. Dann fahren Sie mit Modelltraining, Optimierung und Produktentwicklung fort. Hierbei helfen Ihnen praxisorientierte Labs der Google Cloud Platform....
Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

常見問題

  • 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。

  • 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。

  • 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。

  • 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。

  • 此课程是 Coursera 上提供的众多课程之一,当前只对已购买课程或已获得助学金的学生开放。如果您要学习此课程,但却承担不起课程费用,我们建议您提交助学金申请。

還有其他問題嗎?請訪問 學生幫助中心