Bringing a machine learning model into the real world involves a lot more than just modeling. This Specialization will teach you how to navigate various deployment scenarios and use data more effectively to train your model.
TensorFlow: Data and Deployment 특화 과정deeplearning.ai이 강좌에 대하여
최근 조회 91,920회
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
Basic understanding of JavaScript
완료하는 데 약 18시간 필요
영어
자막: 영어
배울 내용
Train and run inference in a browser
Handle data in a browser
Build an object classification and recognition model using a webcam
귀하가 습득할 기술
Convolutional Neural NetworkMachine LearningTensorflowObject DetectionTensorFlow.js
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
Basic understanding of JavaScript
완료하는 데 약 18시간 필요
영어
자막: 영어
제공자:
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 5시간 필요
Introduction to TensorFlow.js
Welcome to Browser-based Models with TensorFlow.js, the first course of the TensorFlow for Data and Deployment Specialization. In this first course, we’re going to look at how to train machine learning models in the browser and how to use them to perform inference using JavaScript. This will allow you to use machine learning directly in the browser as well as on backend servers like Node.js. In the first week of the course, we are going to build some basic models using JavaScript and we'll execute them in simple web pages.
완료하는 데 5시간 필요
11개 동영상 (총 30분), 7 개의 읽기 자료, 3 개의 테스트
11개의 동영상
Course Introduction, A Conversation with Andrew Ng1m
A Few Words From Laurence2m
Building the Model3m
Training the Model3m
First Example In Code4m
The Iris Dataset1m
Reading the Data4m
One-hot Encoding1m
Designing the NN2m
Iris Classifier In Code6m
7개의 읽기 자료
Getting Your System Ready10m
Downloading the Coding Examples and Exercises10m
Your First Model10m
Iris Dataset Documentation10m
Using the Web Server10m
Iris Classifier10m
Week 1 Wrap up10m
2개 연습문제
Quiz 1
One-Hot Encoding
완료하는 데 4시간 필요
Image Classification In the Browser
This week we'll look at Computer Vision problems, including some of the unique considerations when using JavaScript, such as handling thousands of images for training. By the end of this module you will know how to build a site that lets you draw in the browser and recognizes your handwritten digits!
완료하는 데 4시간 필요
8개 동영상 (총 27분), 5 개의 읽기 자료, 2 개의 테스트
8개의 동영상
Creating a Convolutional Net with JavaScript4m
Visualizing the Training Process2m
What Is a Sprite Sheet?1m
Using the Sprite Sheet2m
Using tf.tidy() to Save Memory1m
A Few Words From Laurence24
MNIST Classifier In Code13m
5개의 읽기 자료
tjs-vis Documentation10m
MNIST Sprite Sheet10m
MNIST Classifier10m
Week 2 Wrap up10m
Exercise Description10m
1개 연습문제
Week 2 Quiz
완료하는 데 5시간 필요
Converting Models to JSON Format
This week we'll see how to take models that have been created with TensorFlow in Python and convert them to JSON format so that they can run in the browser using Javascript. We will start by looking at two models that have already been pre-converted. One of them is going to be a toxicity classifier, which uses NLP to determine if a phrase is toxic in a number of categories; the other one is Mobilenet which can be used to detect content in images. By the end of this module, you will train a model in Python yourself and convert it to JSON format using the tensorflow.js converter.
완료하는 데 5시간 필요
12개 동영상 (총 28분), 7 개의 읽기 자료, 2 개의 테스트
12개의 동영상
A Few Words From Laurence1m
Pre-trained TensorFlow.js Models49
Toxicity Classifier3m
Toxicity Classifier In Code3m
MobileNet49
Using MobileNet1m
Training Results1m
MobileNet Example In Code3m
Converting Models to JavaScript4m
Converting Models to JavaScript In Code2m
Linear Example In Code1m
7개의 읽기 자료
Important Links10m
Toxicity Classifier10m
Classes Supported by MobileNet10m
Image Classification Using MobileNet10m
Linear Model10m
Week 3 Wrap up10m
Optional - Install Wget (Only If Needed)10m
1개 연습문제
Week 3 Quiz
완료하는 데 4시간 필요
Transfer Learning with Pre-Trained Models
One final work type that you'll need when creating Machine Learned applications in the browser is to understand how transfer learning works. This week you'll build a complete web site that uses TensorFlow.js, capturing data from the web cam, and re-training mobilenet to recognize Rock, Paper and Scissors gestures.
완료하는 데 4시간 필요
11개 동영상 (총 26분), 3 개의 읽기 자료, 2 개의 테스트
11개의 동영상
A Few Words From Laurence53
Building a Simple Web Page2m
Retraining the MobileNet Model1m
The Training Function2m
Capturing the Data3m
The Dataset Class2m
Training the Network with the Captured Data1m
Performing Inference4m
Rock Paper Scissors In Code4m
A Conversation with Andrew Ng1m
3개의 읽기 자료
Rock Paper Scissors10m
Exercise Description10m
Wrap up10m
1개 연습문제
Week 4 Quiz
검토
BROWSER-BASED MODELS WITH TENSORFLOW.JS의 최상위 리뷰
AZ 제공2020년 3월 28일
No doubt, the team of Deeplearning.AI is building best learning resources. We would love to get more and more resources for easy way learning from DeepLearning.AI Team. Thanks to all.
SA 제공2020년 7월 7일
course contents are good and explained very well with one problem of audio, audio is not clear and pitch is low but I like this course. as a beginner, this course is best.
ZB 제공2019년 12월 19일
Awesome - elegant in its complex simplicity. Clear explanations, logical curriculum structure, nice and knowledgeable code examples. A must-complete course indeed!
DP 제공2020년 7월 3일
Excellent presentation of material and lab examples. Final assignment is really inspiring and motivating. Thank you for putting effort to design such content.
TensorFlow: Data and Deployment 특화 과정 정보
Continue developing your skills in TensorFlow as you learn to navigate through a wide range of deployment scenarios and discover new ways to use data more effectively when training your machine learning models.
In this four-course Specialization, you’ll learn how to get your machine learning models into the hands of real people on all kinds of devices. Start by understanding how to train and run machine learning models in browsers and in mobile applications. Learn how to leverage built-in datasets with just a few lines of code, learn about data pipelines with TensorFlow data services, use APIs to control data splitting, process all types of unstructured data and retrain deployed models with user data while maintaining data privacy. Apply your knowledge in various deployment scenarios and get introduced to TensorFlow Serving, TensorFlow, Hub, TensorBoard, and more.
Industries all around the world are adopting Artificial Intelligence. This Specialization from Laurence Moroney and Andrew Ng will help you develop and deploy machine learning models across any device or platform faster and more accurately than ever.
This Specialization builds upon skills learned in the TensorFlow in Practice Specialization. We recommend learners complete that Specialization prior to enrolling in TensorFlow: Data and Deployment.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
강의 및 과제 이용 권한은 등록 유형에 따라 다릅니다. 청강 모드로 강좌를 수강하면 대부분의 강좌 자료를 무료로 볼 수 있습니다. 채점된 과제를 이용하고 수료증을 받으려면 청강 도중 또는 이후에 수료증 경험을 구매해야 합니다. 청강 옵션이 표시되지 않는 경우:
- 강좌에서 청강 옵션을 제공하지 않을 수 있습니다. 대신 무료 평가판을 사용하거나 재정 지원을 신청할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
환불 규정은 어떻게 되나요?
구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.
재정 지원을 받을 수 있나요?
예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
