Contents
瞭解進階的 Google Cloud 機器學習。在 Google 雲端平台上使用 TensorFlow 建構營運就緒的機器學習模型。
關於此課程
這 5 門專業課程聚焦於使用 Google Cloud Platform (GCP )的進階機器學習主題，你將獲得實踐經驗，在動手實驗室中優化、佈署和擴充生產各種類型的機器學習( ML ，Machine Learning ) 模型。 本課程繼續“在 Google 雲端平台用 TensorFlow 機器學習的專業課程”未涵蓋的部分，教你如何為結構化資料、影像資料、時間序列和自然語言文字建構可擴充、準確和生產就緒的模型。本課程在建立推薦系統的專案後總結。早期課程中介紹的主題在後面的課程中引用，因此建議你按照順序學習課程。
學習本課程的先決條件：基本SQL、熟悉 Python 和 TensorFlow。
到官方網站了解本課程與上課
製作方
第 1 門課程 在 GCP 上使用 TensorFlow 做端到端的機器學習
>>通過註冊此專業課程，你同意 FAQ 中所述的 Qwiklabs 服務條款，位於：https：//qwiklabs.com/terms_of_service <<<
本課程將回顧一下“在 Google 雲端平台用 TensorFlow 機器學習的專業課程”。想知道自己是否懂了的最佳方法之一是實際應用你學過的概念和技術。因此，本課程以工作室的方式進行，你將在 Google Cloud Platform 上使用TensorFlow 做端到端機器學習。
模組 1 : Welcome to the Course
模組 2 : ML on GCP
模組 3 : Explore the Data
模組 4 : Create the Dataset
模組 5 : Build the Model
模組 6 : Operationalize the Model
模組 7 : Summary
第 2 門課程 機器學習系統的營運
課程概述
在本專業的第二個課程中，我們將深入研究生產環境中的高效能 ML 系統的元件和最佳實踐 。
模組 1 : Welcome to the Course
模組 2 : Architecting Production ML Systems
模組 3 : Ingesting data for Cloud-based analytics and ML
模組 4 : Designing Adaptable ML systems
模組 5 : Designing High-performance ML systems
模組 6 : Hybrid ML systems
模組 7 : Course Summary
第 3 門課程 在GCP 用 TensorFlow 理解影像
課程概述
在本課程中，我們將介紹使用卷積神經網路( convolutional neural networks )建構影像分類器的不同策略。我們將通過增強、特徵提取和微調超參數來提高模型的準確性，同時避免過度彌合資料。我們還將深入在實作下有可能遇到的問題，例如，當你沒有足夠的資料以及如何將最新的研究發現納入我們的模型。你將在我們一起工作的實驗室中的各種公共資料集上進行實踐練習並優化你自己的影像分類模型。
模組 1 : Welcome to Image Understanding with TensorFlow on GCP
模組 2 : Linear and DNN Models
模組 3 : Convolutional Neural Networks (CNNs)
模組 4 : Dealing with Data Scarcity
模組 5 : Going Deeper Faster
模組 6 : Pre-built ML Models for Image Classification
模組 7 : Summary
第 4 門課程 時間序列與自然語言處理的序列模型
課程概述
本課程介紹了序列模型( sequence models )及其應用，包括
- 序列模型架構的概述以及如何處理各種長度的輸入
- 預測時間序列( time-series )的未來值
- 對自由格式文字進行分類
- 使用遞迴神經網路( recurrent neural networks )解決時間序列和文字( text )問題
- 在 RNN / LSTM 和更簡單的模型之間進行選擇
- 在文字問題中訓練和重用單詞嵌入
你將親自動手在我們共同工作的實驗室中的各種公共資料集上練習構建和優化你自己的文字分類和序列模型。
模組 1 : Working with Sequences
模組 2 : Recurrent Neural Networks
模組 3 : Dealing with Longer Sequences
模組 4 : Text Classification
模組 5 : Reusable Embeddings
模組 6 : Encoder-Decoder Models
模組 7 : Summary
第 5 門課程 在 GCP 使用 TensorFlow 實踐推薦系統
課程概述
在本課程中，你將應用分類模型和嵌入的知識來建構作為推薦引擎的 ML 管道。
- 設計基於內容的推薦引擎
- 實施協作過濾推薦引擎
- 建構具有使用者和內容嵌入的混合推薦引擎
模組 1 : Recommendation Systems Overview
模組 2 : Content-Based Recommendation Systems
模組 3 : Collaborative Filtering Recommendation Systems
模組 4 : Neural Networks for Recommendation Systems
模組 5 : Building an End-to-End Recommendation System
模組 6 : Summary
到官方網站了解本課程與上課
你可能會有興趣
- 更多 Coursera 上知名大學與 Google 等提供的線上課程
- TensorFlow 相關線上課程
- 英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣！
★ 歡迎使用 App / Email | Telegram 訂閱 網站更新★
你必須登入才能發表留言。