Ist finanzielle Hilfe verfügbar?

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.

Daten-Pipelines mit TensorFlow Datendiensten

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

Daten-Pipelines mit TensorFlow Datendiensten

Dieser Kurs ist Teil von Spezialisierung „TensorFlow: Daten und Einsatz“

Dozent: Laurence Moroney

28.529 bereits angemeldet

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

536 Bewertungen

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan

1 Woche bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

93%

Den meisten Lernenden hat dieser Kurs gefallen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

536 Bewertungen

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan

1 Woche bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

93%

Den meisten Lernenden hat dieser Kurs gefallen

Was Sie lernen werden

Effiziente ETL-Aufgaben mit Tensorflow Data Services APIs durchführen
Konstruieren Sie Trainings-/Validierungs-/Testsplits beliebiger Datensätze - entweder benutzerdefiniert oder in der TensorFlow Hub Dataset Bibliothek vorhanden - mit Hilfe der Splits API
Nutzen Sie verschiedene Module und Funktionen der TFDS API, um Ihre Daten für Trainings-Pipelines vorzubereiten
Identifizieren Sie Engpässe in Ihren Eingabe-Pipelines und steigern Sie die Effizienz Ihrer Arbeitsabläufe durch Parallelisierung der Eingaben

Kompetenzen, die Sie erwerben

Kategorie: Daten importieren/exportieren
Kategorie: Gemeinsame Nutzung von Daten
Kategorie: Daten-Pipelines
Kategorie: Technische Merkmale
Kategorie: Vorverarbeitung von Daten
Kategorie: Angewandtes maschinelles Lernen
Kategorie: Extrahieren, Transformieren, Laden
Kategorie: Datenverwaltung
Kategorie: Datenumwandlung
Kategorie: Leistungsoptimierung
Kategorie: Modell Ausbildung
Kategorie: Datenverarbeitung

Werkzeuge, die Sie lernen werden

Kategorie: Tensorflow

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

5 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „TensorFlow: Daten und Einsatz“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

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.

Diese Woche werden Sie in der Lage sein, effiziente ETL-Aufgaben mit den Tensorflow Data Services APIs durchzuführen

Das ist alles enthalten

10 Videos6 Lektüren1 Aufgabe1 Programmieraufgabe

10 VideosInsgesamt 21 Minuten

Ein Gespräch mit Andrew Ng2 Minuten
Einführung1 Minute
Beliebte Datensätze3 Minuten
Daten-Pipelines1 Minute
Extrahieren, Transformieren und Laden3 Minuten
Versionierung von Datensätzen3 Minuten
Blick auf das Notebook2 Minuten
Verwendung von TFDS in Keras zum Trainieren von Fashion MNIST3 Minuten
Pferde oder Menschen in TFDS3 Minuten
Woche 1 Nachbereitung1 Minute

6 LektürenInsgesamt 43 Minuten

Herunterladen der nicht benoteten Übungen und Programmieraufgaben10 Minuten
Treten Sie dem DeepLearning.AI Forum bei, um Fragen zu stellen, Unterstützung zu erhalten oder erstaunliche Ideen zu teilen!2 Minuten
Probieren Sie das Notebook selbst aus10 Minuten
Versuchen Sie das Notizbuch für Pferde oder Menschen10 Minuten
Vorlesungsunterlagen Woche 11 Minute
Grader-Note10 Minuten

1 AufgabeInsgesamt 30 Minuten

Woche 1 Quiz30 Minuten

1 ProgrammieraufgabeInsgesamt 60 Minuten

TFDS mit Stein, Papier und Schere60 Minuten

In dieser Woche werden Sie Trainings-, Validierungs- und Test-Splits beliebiger Datensätze - entweder benutzerdefiniert oder in der TensorFlow Hub-Datenbibliothek vorhanden - mit Hilfe der Splits API erstellen

Das ist alles enthalten

7 Videos4 Lektüren1 Aufgabe1 Programmieraufgabe

7 VideosInsgesamt 26 Minuten

Einführung2 Minuten
Einführung in die Splits API5 Minuten
Splits API Notizbuch Komplettlösung5 Minuten
Dateistruktur in TensorFlow-Datensätzen2 Minuten
Merkmal Deskriptoren5 Minuten
TFRecord Colab Komplettlösung6 Minuten
Woche 2 Nachbereitung1 Minute

4 LektürenInsgesamt 31 Minuten

Splits API Notizbuch10 Minuten
TFRecord Notizbuch10 Minuten
Vorlesungsunterlagen Woche 21 Minute
Grader-Note10 Minuten

1 AufgabeInsgesamt 30 Minuten

Woche 230 Minuten

1 ProgrammieraufgabeInsgesamt 60 Minuten

Transfer Learning und Splits API60 Minuten

Diese Woche werden Sie Ihr Wissen über Datenpipelines erweitern

Das ist alles enthalten

21 Videos6 Lektüren1 Aufgabe1 Programmieraufgabe

21 VideosInsgesamt 44 Minuten

Ein Gespräch mit Andrew Ng1 Minute
Einführung0 Minuten
Eingabe Daten1 Minute
Grundlegende Mechanik3 Minuten
Numerische und Bucketized-Spalten2 Minuten
Vokabular und Hashed-Spalten, Feature Crossing2 Minuten
Spalten einbetten2 Minuten
Einführung0 Minuten
Notebook Komplettlösung4 Minuten
Einführung0 Minuten
Numpy, Pandas und Bilder3 Minuten
CSV4 Minuten
Text und TFRecord1 Minute
Generatoren1 Minute
Einführung0 Minuten
Komplettlösung für das Notebook5 Minuten
Einführung1 Minute
Numpy und Pandas verwenden2 Minuten
Bilddaten1 Minute
CSV-Daten4 Minuten
Text Daten3 Minuten

6 LektürenInsgesamt 51 Minuten

Link zum Notizbuch10 Minuten
Link zum CNN-Kurs10 Minuten
Link zum Notizbuch10 Minuten
CSV Notizbuch10 Minuten
Link zum Kurs10 Minuten
Vorlesungsunterlagen Woche 31 Minute

1 AufgabeInsgesamt 30 Minuten

Woche 3 Quiz30 Minuten

1 ProgrammieraufgabeInsgesamt 60 Minuten

Strukturierte Daten klassifizieren60 Minuten

Sie werden lernen, wie Sie Ihre Dateneingabe handhaben, um Engpässe, Wettlaufbedingungen und mehr zu vermeiden!

Das ist alles enthalten

22 Videos4 Lektüren2 Aufgaben1 Programmieraufgabe1 Unbewertetes Labor

22 VideosInsgesamt 44 Minuten

Ein Gespräch mit Andrew Ng2 Minuten
Einführung1 Minute
ETL2 Minuten
Was passiert, wenn Sie ein Model trainieren3 Minuten
Einführung0 Minuten
Caching1 Minute
Parallelität APIs2 Minuten
Autotuning2 Minuten
Parallelisierung der Datenextraktion2 Minuten
Bewährte Praktiken für Code-Verbesserungen3 Minuten
Ein paar Worte von Laurence1 Minute
Ein Gespräch mit Andrew Ng1 Minute
Einführung1 Minute
So beginnen Sie mit der Verwendung eines Datensatzes3 Minuten
Implementierung4 Minuten
Dateizugriff und mögliche Probleme in den Daten4 Minuten
Veröffentlichen des Datensatzes4 Minuten
Einführung0 Minuten
Durch das Colab gehen - Teil 12 Minuten
Durch das Colab gehen - Teil 23 Minuten
Schlusswort0 Minuten
Ein Gespräch mit Andrew Ng2 Minuten

4 LektürenInsgesamt 23 Minuten

Vorlesungsunterlagen Woche 41 Minute
[WICHTIG] Erinnerung an das Ende des Zugangs zu den Labornotizbüchern2 Minuten
URLs10 Minuten
Link zum Colab10 Minuten

2 Aufgaben

Woche 4 Quiz0 Minuten
Quiz zur Veröffentlichung Ihres Datensatzes0 Minuten

1 ProgrammieraufgabeInsgesamt 60 Minuten

Parallelisierung mit TFDS60 Minuten

1 Unbewertetes LaborInsgesamt 60 Minuten

Hinzufügen eines eigenen Datensatzes zu TFDS60 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Lehrkraftbewertungen

(51 Bewertungen)

Laurence Moroney

DeepLearning.AI

22 Kurse602.714 Lernende

von

DeepLearning.AI

Mehr von Software-Entwicklung entdecken

Status: Kostenloser Testzeitraum
DeepLearning.AI
TensorFlow: Data and Deployment
Spezialisierung
Status: Kostenloser Testzeitraum
Google Cloud
Serverless Data Processing with Dataflow: Develop Pipelines
Kurs
Status: Kostenloser Testzeitraum
Coursera
Build & Transform Data Pipelines
Kurs
Status: Kostenloser Testzeitraum
DeepLearning.AI
Advanced Deployment Scenarios with TensorFlow
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
68,34 %
4 stars
17,87 %
3 stars
8 %
2 stars
3,53 %
1 star
2,23 %

Zeigt 3 von 536 an

Geprüft am 2. Feb. 2021

Great explanation, however I believe in Week3 there are some broken links . . .heart.csv

Geprüft am 2. Okt. 2020

Just what i needed. Would have gotten 5 starts, if they fix the last lab.

Geprüft am 7. Juli 2020

First 3 weeks are really nice but for me week 4 was a bit tough with very less explanation

Weitere Bewertungen anzeigen

Häufig gestellte Fragen

Änderungen in TensorFlow API: Seit der Einführung dieser Specialization Anfang 2020 hat es Änderungen an der TensorFlow API gegeben, die sich auf den Stoff in Woche 1 und 2 auswirken. Mit dieser Auffrischung können Sie auf aktualisierte Vorlesungen, Quizfragen und Aufgaben zugreifen.
Änderung des Schwierigkeitsgrads der Aufgaben: Auf der Grundlage wertvoller Rückmeldungen von Lernenden haben wir die Aufgaben der Woche 4 überarbeitet, um sicherzustellen, dass Sie die grundlegenden Prinzipien beherrschen und gut vorbereitet sind, um sie anzugehen.

Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.