TensorFlow : 資料與佈署專業課程

繼 TensorFlow 實踐專業套裝課程，本課程為 deeplearning.ai 針對 TensorFlow 進階的課程

關於此專業課程

持續提升您的 TensorFlow 技能，學習如何駕馭各種佈署場景，並探索在訓練機器學習模型時更有效地利用資料的新方法。

在本四門課程的專業課程中，您將學習如何將您的機器學習模型佈署到各種裝置上，供真實使用者使用。首先，您將了解如何在瀏覽器和行動應用程式中訓練和運行機器學習模型。學習如何僅用幾行程式碼即可利用內建資料集，了解使用 TensorFlow 資料服務建立資料管道，使用 API 控制資料分割，處理各種類型的非結構化數據，並在確保資料隱私的前提下，使用使用者資料重新訓練已部署的模型。將您的知識應用於各種佈署場景，並了解 TensorFlow Serving、TensorFlow、Hub、TensorBoard 等。

全球各行各業都在採用人工智慧。由 Laurence Moroney 和 Andrew Ng 主講的這門專業課程將幫助您以前所未有的速度和精確度，在任何裝置或平台上開發和佈署機器學習模型。

到官方網站了解本課程與上課

適用的學習專案：

在 TensorFlow：資料與佈署專案課程中，您將學習如何在各種佈署場景中應用您的知識，並了解 TensorFlow Serving、TensorFlow、Hub、TensorBoard 等技術，實現可新增至您的作品集並在面試中展示的專案。

你將學到：

使用 TensorFlow.js 在瀏覽器中執行模型
使用 TensorFlow Lite 在行動裝置上準備和佈署模型
使用 TensorFlow 資料服務更輕鬆地存取、組織和處理訓練數據
探索使用 TensorFlow Serving、TensorFlow Hub 和 TensorBoard 的四種進階佈署方案

你將獲得的技能：

Android 開發	電腦視覺	卷積神經網路	資料輸入/匯出
資料管道	資料預處理	資料處理	提取、轉換、加載 (ETL)
聯合的學習( Federated Learning )	微調	影像分析	iOS 開發
JavaScript	機器學習	模型最佳化	模型訓練
遷移學習

你將學習的工具：

蘋果 iOS

模型佈署

TensorFlow

字幕

簡中、日本語、英文（23種語言可選)

製作方

DeepLearning.AI

DeepLearning.AI 是一家教育科技公司，致力於建立全球人工智慧人才社群。 DeepLearning.AI 由專家主導的教育課程，為人工智慧從業者和非技術專業人士提供從基礎知識到高級應用的全面學習工具，幫助他們建立人工智慧驅動的未來。

第 1 門課程使用 TensorFlow.js 的基於瀏覽器的模型

將一個機器學習模型帶入現實世界不僅僅是建模。這門專業課將教你如何導航各種佈署場景，並更有效地使用資料來訓練你的模型。

在第一個課程中，你將使用 TensorFlow.js 在任何瀏覽器中訓練和執行機器學習模型。你將學習在瀏覽器中處理資料的技術，最後你將建構一個電腦視覺專案，從網路攝像機識別和分類物件。

這個專業課建基於 TensorFlow 實踐專業課。如果你是第一次使用 TensorFlow，我們建議你先修 TensorFlow 實踐專業課。為了深入瞭解神經網路的工作原理，我們建議你先上過深度學習專業課。

你將學到：

在瀏覽器中訓練和運行推理
在瀏覽器中處理資料
使用網路攝影機建立物體分類和識別模型

你將獲得的技能：

TensorFlow	JavaScript	JSON	遷移學習
模型訓練	電腦視覺	Web應用程式	卷積神經網路
資料採集	資料處理	模型佈署	即時數據
JavaScript框架	機器學習	影像分析	微調
瀏覽器相容性

第 2 門課程使用 TensorFlow Lite 的基於設備的模型

將一個機器學習模型帶入現實世界不僅僅是建模。這門專業課將教你如何導航各種佈署場景，並更有效地使用資料來訓練你的模型。

第二門課程教你如何在行動應用程式中執行機器學習模型。你將學習如何為低功耗、電池驅動的裝置準備模型，然後在 Android 和 iOS 平台上執行模型。最後，你將探索如何在 Raspberry Pi 和微控制器上使用 TensorFlow 佈署嵌入式系統。

這個專業課建基於 TensorFlow 實踐專業課上。如果你是第一次使用 TensorFlow，我們建議你先修 TensorFlow 實踐專業課。為了深入瞭解神經網路的工作原理，我們建議你先上過深度學習專業課。

你將學到：

為電池供電設備準備模型
在 Android 和 iOS 平台上運行模型
在 Raspberry Pi 和微控制器等嵌入式系統上佈署模型

你將獲得的技能：

模型佈署	嵌入式系統	模型最佳化	TensorFlow
Apple iOS	Swift 程式設計	Android 開發	模型訓練
行動開發	機器學習	iOS 開發	即時數據
JavaScript框架	機器學習	影像分析	電腦視覺

第 3 門課程使用 TensorFlow 資料服務的資料管道

將一個機器學習模型帶入現實世界不僅僅是建模。這門專業課將教你如何導航各種佈署場景，並更有效地使用資料來訓練你的模型。

在第三門課程中，你將使用 TensorFlow 中的一套工具來更有效地利用資料並訓練你的模型。你將學習如何利用只有幾行程式碼的內建資料集，如何使用 API 控制分割資料的方法，以及如何處理所有型別的非結構化資料。

你將學到：

使用 TensorFlow 資料服務 API 有效率地執行 ETL 任務
使用 Splits API 建立任何資料集（無論是自訂資料集還是 TensorFlow Hub 資料集庫中的資料集）的訓練/驗證/測試集劃分
使用 TFDS API 的不同模組和函數為訓練管道準備資料
識別輸入管道中的瓶頸，並透過輸入並行化提高工作流程效率

你將獲得的技能：

資料管道	TensorFlow	資料處理	資料輸入/匯出
資料轉換	提取、轉換、加載 (ETL)	模型訓練	模型訓練
資料管理	資料預處理	應用機器學習	資料共享
效能調優

第 4 門課程使用 TensorFlow 的高階佈署場景

將一個機器學習模型帶入現實世界不僅僅是建模。這門專業課將教你如何導航各種佈署場景，並更有效地使用資料來訓練你的模型。

在最後的課程中，你將探索在佈署模型時會遇到的四種不同的場景。我們將向你介紹 TensorFlow Serving，這是一種允許你在 Web 上進行推理的技術。你將繼續學習 TensorFlow Hub，它是一個模型的貯存庫，用來進行傳輸學習。然後，你將使用 TensorBoard 來評估和理解你的模型運作地如何，並與其他人共享你的模型元資料( model metadata )。最後，你將探討聯合的學習( Federated Learning )，以及如何運用使用者資料重新訓練已佈署的模型，同時維護資料隱私。