Um ein Modell des maschinellen Lernens in die reale Welt zu bringen, bedarf es viel mehr als nur der Modellierung. In dieser Specialization lernen Sie, wie Sie verschiedene Einsatzszenarien durchlaufen und Daten effektiver nutzen können, um Ihr Modell zu trainieren.

In diesem dritten Kurs werden Sie: - Rationalisierte ETL-Aufgaben mit den TensorFlow Data Services durchführen - Verschiedene Datensätze und benutzerdefinierte Merkmalsvektoren mit dem TensorFlow Hub und den TensorFlow Data Services APIs laden - Vorgefertigte Pipelines erstellen und verwenden, um hochgradig reproduzierbare E/A-Pipelines für jeden Datensatz zu generieren - Datenpipelines optimieren, die zu einem Engpass im Trainingsprozess werden - Ihre eigenen Datensätze in der TensorFlow Hub Bibliothek veröffentlichen und standardisierte Daten mit Forschern und Entwicklern auf der ganzen Welt teilen Diese Specialization baut auf unserer TensorFlow in Practice Specialization auf. Wenn Sie neu in TensorFlow sind, empfehlen wir Ihnen, zunächst die Specialization TensorFlow in Practice zu belegen. Wenn Sie ein tieferes, grundlegendes Verständnis für die Funktionsweise neuronaler Netze entwickeln möchten, empfehlen wir Ihnen, die Specialization Deep Learning zu belegen.