Wann werde ich mein Kurszertifikat erhalten?

Wenn Sie den Kurs erfolgreich abgeschlossen haben, wird Ihr elektronisches Kurszertifikat zu Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Kurszertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.

Warum kann ich diesen Kurs nicht besuchen?

Dieser Kurs ist derzeit nur für Lernende verfügbar, die eine finanzielle Unterstützung gezahlt oder erhalten haben, sofern verfügbar.

Erstellen, Trainieren und Bereitstellen von ML-Modellen mit Keras in der Google Cloud

Sichern Sie sich eines unserer besten Angebote mit Coursera Plus für 199 $ (normalerweise 399 $). Jetzt sparen.

Erstellen, Trainieren und Bereitstellen von ML-Modellen mit Keras in der Google Cloud

Dieser Kurs ist Teil mehrerer Programme.

Dozent: Google Cloud Training

55.944 bereits angemeldet

Bei enthalten

Mehr erfahren

Fragen Sie Coursera

6 Module

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

2,814 Bewertungen

Stufe Mittel

Einige einschlägige Kenntnisse erforderlich

Flexibler Zeitplan

1 Woche bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

88%

Den meisten Lernenden hat dieser Kurs gefallen

6 Module

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

2,814 Bewertungen

Stufe Mittel

Einige einschlägige Kenntnisse erforderlich

Flexibler Zeitplan

1 Woche bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

88%

Den meisten Lernenden hat dieser Kurs gefallen

Was Sie lernen werden

Entwurf und Aufbau einer TensorFlow-Eingangsdaten-Pipeline.
Verwenden Sie die tf.data-Bibliothek, um Daten in großen Datenbeständen zu manipulieren.
Verwenden Sie die Keras Sequential und Functional APIs für die einfache und erweiterte Modellerstellung.
Trainieren, implementieren und produktiv machen Sie ML-Modelle in großem Umfang mit Vertex AI.

Kompetenzen, die Sie erwerben

Kategorie: Vorverarbeitung von Daten
Kategorie: Maschinelles Lernen
Kategorie: Datenumwandlung
Kategorie: Tiefes Lernen
Kategorie: Cloud-Bereitstellung
Kategorie: Modell Ausbildung
Kategorie: Künstliche neuronale Netze
Kategorie: Modell-Optimierung
Kategorie: Datenverarbeitung
Kategorie: Google Cloud-Plattform
Kategorie: Daten-Pipelines

Werkzeuge, die Sie lernen werden

Kategorie: Tensorflow
Kategorie: Keras (Bibliothek für neuronale Netze)
Kategorie: Modell-Einsatz
Kategorie: Anwendungsprogrammierschnittstelle (API)
Kategorie: Python-Programmierung

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

4 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 als Teil verfügbar

Wenn Sie sich für diesen Kurs anmelden, müssen Sie auch ein bestimmtes Programm auswählen.

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 6 Module

Dieser Kurs behandelt die Erstellung von ML-Modellen mit TensorFlow und Keras, die Verbesserung der Genauigkeit von ML-Modellen und das Schreiben von ML-Modellen für den skalierten Einsatz.

Dieses Modul bietet einen Überblick über den Kurs und seine Ziele.

Das ist alles enthalten

1 Video

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

Das ist alles enthalten

4 Videos1 Lektüre1 Aufgabe

4 VideosInsgesamt 19 Minuten

Einführung in das TensorFlow Ökosystem0 Minuten
Einführung in TensorFlow6 Minuten
TensorFlow API Hierarchie5 Minuten
Komponenten von TensorFlow: Tensoren und Variablen9 Minuten

1 LektüreInsgesamt 10 Minuten

Ressourcen: Einführung in das TensorFlow-Ökosystem10 Minuten

1 AufgabeInsgesamt 12 Minuten

Einführung in das TensorFlow-Ökosystem12 Minuten

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.

Das ist alles enthalten

9 Videos1 Lektüre1 Aufgabe2 App-Elemente1 Plug-in

9 VideosInsgesamt 36 Minuten

Einführung0 Minuten
Eine ML-Zusammenfassung3 Minuten
Training auf großen Datensätzen mit tf.data API4 Minuten
Arbeiten im Arbeitsspeicher und mit Dateien4 Minuten
Vorbereitung der Daten für das Modelltraining6 Minuten
Einbettungen9 Minuten
Labor-Einführung: TensorFlow Datensatz API0 Minuten
Skalierung der Datenverarbeitung mit tf.data und Keras-Vorverarbeitungsschichten10 Minuten
Labor-Einführung: Klassifizierung strukturierter Daten mit Keras-Vorverarbeitungsschichten1 Minute

1 LektüreInsgesamt 10 Minuten

Ressourcen: Entwurf und Aufbau einer TensorFlow-Eingangsdaten-Pipeline10 Minuten

1 AufgabeInsgesamt 16 Minuten

Entwurf und Aufbau einer Pipeline für Eingabedaten16 Minuten

2 App-ElementeInsgesamt 240 Minuten

Labor: TensorFlow Dataset API120 Minuten
Übung: Strukturierte Daten mit Keras-Vorverarbeitungsschichten klassifizieren120 Minuten

1 Plug-inInsgesamt 15 Minuten

Zugang zu den Labors und deren Durchführung15 Minuten

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.

Das ist alles enthalten

10 Videos1 Lektüre1 Aufgabe2 App-Elemente

10 VideosInsgesamt 45 Minuten

Einführung1 Minute
Aktivierungsfunktionen9 Minuten
Training neuronaler Netze mit TensorFlow 2 und der Keras Sequential API8 Minuten
Modelle in der Cloud bereitstellen3 Minuten
Labor-Einführung: Einführung in die Keras Sequential API auf der Vertex AI Platform1 Minute
Training neuronaler Netze mit TensorFlow 2 und der Keras Functional API10 Minuten
Labor-Einführung: Aufbau eines DNN mit der Keras Functional API auf der Vertex AI Platform0 Minuten
Modell-Unterklassifizierung4 Minuten
Grundlagen der Regularisierung5 Minuten
Wie können wir die Modellkomplexität messen? L1 vs. L2 Regularisierung5 Minuten

1 LektüreInsgesamt 10 Minuten

Ressourcen: Aufbau neuronaler Netze mit der TensorFlow und Keras API10 Minuten

1 AufgabeInsgesamt 18 Minuten

Aufbau neuronaler Netze in TensorFlow mit Keras API18 Minuten

2 App-ElementeInsgesamt 180 Minuten

Labor: Einführung in die Keras Sequential API auf der Vertex AI Platform60 Minuten
Übung: Erstellen eines DNN mit der Keras Functional API auf der Vertex AI Platform120 Minuten

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

Das ist alles enthalten

3 Videos1 Lektüre1 Aufgabe1 App-Element

3 VideosInsgesamt 7 Minuten

Einführung0 Minuten
Skalierbares Training mit Vertex AI6 Minuten
Labor-Einführung: Skalierbares Training mit dem Vertex AI Training Service1 Minute

1 LektüreInsgesamt 10 Minuten

Ressourcen: Skaliertes Training mit Vertex AI10 Minuten

1 AufgabeInsgesamt 10 Minuten

Skaliertes Training mit Vertex AI10 Minuten

1 App-ElementInsgesamt 120 Minuten

Labor: Training in großem Maßstab mit dem Vertex AI Training Service120 Minuten

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

Das ist alles enthalten

4 Lektüren

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

(197 Bewertungen)

Google Cloud Training

Google Cloud

2.251 Kurse4.423.727 Lernende

von

Google Cloud

Mehr von Maschinelles Lernen entdecken

Status: Kostenloser Testzeitraum
Packt
Building, Evaluating, and Operationalizing ML Models
Kurs
Status: Kostenloser Testzeitraum
KodeKloud
ML Model Development and Tracking: Hands-on Guide
Kurs
Coursera
CNNs with TensorFlow: Basics of Machine Learning
angeleitetes Projekt
Status: Kostenloser Testzeitraum
KodeKloud
Deploy ML Models to Production
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
61,94 %
4 stars
24,69 %
3 stars
8,81 %
2 stars
2,70 %
1 star
1,84 %

Zeigt 3 von 2814 an

Geprüft am 8. März 2020

The course covers quite a few concepts -- TF basics, TF estimator, Google Cloud ML. It would be easier if the material is split into TF and Google Cloud lessons.

Geprüft am 6. Okt. 2018

Great course as an introduction to TF, however, the labs are not as in depth as I'd have liked. Nonetheless, the course is well executed by the presenters.

Geprüft am 17. Mai 2020

I feel this course very valuable because it taught how to create an automated service in cloud with very huge data and working with distributed systems in production environment with minimal time.

Weitere Bewertungen anzeigen

Häufig gestellte Fragen

Ja, Sie können das erste Video in der Vorschau ansehen und den Lehrplan einsehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um auf Inhalte zuzugreifen, die nicht in der Vorschau enthalten sind.

Wenn Sie sich vor dem Beginn der Sitzung in den Kurs einschreiben, haben Sie Zugang zu allen Vorlesungsvideos und Lesestoff für den Kurs. Sobald die Sitzung beginnt, können Sie die Aufgaben einreichen.

Sobald Sie sich angemeldet haben und Ihre Sitzung beginnt, haben Sie Zugang zu allen Videos und anderen Ressourcen, einschließlich der Lektüre und dem Diskussionsforum des Kurses. Sie können Übungsaufgaben ansehen und einreichen und die erforderlichen benoteten Aufgaben erledigen, um eine Note und ein Kurszertifikat zu erhalten.