Dieses Modul stellt das TensorFlow-Framework vor und gibt einen Überblick über seine Hauptkomponenten sowie die gesamte API-Hierarchie.

Daten sind die entscheidende Komponente eines Modells für maschinelles Lernen. Es reicht nicht aus, die richtigen Daten zu sammeln. Sie müssen auch sicherstellen, dass Sie die richtigen Prozesse zum Bereinigen, Analysieren und Transformieren der Daten einrichten, damit das Modell die meisten Signale daraus ziehen kann. In diesem Modul besprechen wir das Training auf großen Datensätzen mit tf.data, die Arbeit mit speicherinternen Dateien und wie man die Daten für das Training vorbereitet. Dann besprechen wir Einbettungen und enden mit einem Überblick über die Skalierung von Daten mit tf.keras-Vorverarbeitungsschichten.

In diesem Modul werden Aktivierungsfunktionen besprochen und wie sie erforderlich sind, damit tiefe neuronale Netze Nichtlinearitäten der Daten erfassen können. Anschließend geben wir einen Überblick über Deep Neural Networks unter Verwendung der Keras Sequential und Functional APIs. Als Nächstes beschreiben wir die Modellunterklassenbildung, die eine größere Flexibilität bei der Modellerstellung bietet. Das Modul endet mit einer Lektion über Regularisierung.

In diesem Modul wird beschrieben, wie man TensorFlow-Modelle mit Vertex AI in großem Maßstab trainiert.

Dieses Modul ist eine Zusammenfassung des Kurses Build, Train, and Deploy ML Models with Keras on Google Cloud.