In diesem Kurs werden Sie: - Tensor-Objekte, die grundlegenden Bausteine von TensorFlow, kennenlernen, den Unterschied zwischen dem Eager- und dem Graph-Modus in TensorFlow verstehen und lernen, wie Sie ein TensorFlow-Tool zur Berechnung von Gradienten verwenden. - Ihre eigenen benutzerdefinierten Trainingsschleifen unter Verwendung von GradientTape und TensorFlow-Datensätzen erstellen, um mehr Flexibilität und Sichtbarkeit beim Training Ihres Modells zu erhalten.

- Lernen Sie die Vorteile der Generierung von Code im Graphenmodus kennen, werfen Sie einen Blick darauf, wie Graphencode aussieht, und üben Sie, diesen effizienteren Code automatisch mit den TensorFlow-Tools zu generieren. - Nutzen Sie die Möglichkeiten des verteilten Trainings, um mehr Daten zu verarbeiten und größere Modelle schneller zu trainieren, verschaffen Sie sich einen Überblick über verschiedene verteilte Trainingsstrategien und üben Sie die Arbeit mit einer Strategie, die auf mehreren GPU-Kernen trainiert, und einer anderen, die auf mehreren TPU-Kernen trainiert. Die DeepLearning.AI TensorFlow: Advanced Techniques Specialization führt in die Funktionen von TensorFlow ein, die Lernenden mehr Kontrolle über ihre Modellarchitektur und Tools bieten, mit denen sie fortgeschrittene ML-Modelle erstellen und trainieren können. Diese Specialization richtet sich an Softwareentwickler und Ingenieure für maschinelles Lernen, die bereits über ein grundlegendes Verständnis von TensorFlow verfügen und ihre Kenntnisse und Fähigkeiten durch das Erlernen fortgeschrittener TensorFlow-Funktionen zur Erstellung leistungsstarker Modelle erweitern möchten.