이 강좌는 TensorFlow: Data and Deployment 특화 과정의 일부입니다.

Laurence Moroney

제공자:

TensorFlow: Data and Deployment 특화 과정deeplearning.ai

이 강좌에 대하여

최근 조회 23,106회

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.
In this third course, you will:
- Perform streamlined ETL tasks using TensorFlow Data Services
- Load different datasets and custom feature vectors using TensorFlow Hub and TensorFlow Data Services APIs
- Create and use pre-built pipelines for generating highly reproducible I/O pipelines for any dataset
- Optimize data pipelines that become a bottleneck in the training process
- Publish your own datasets to the TensorFlow Hub library and share standardized data with researchers and developers around the world


This Specialization builds upon our TensorFlow in Practice Specialization. If you are new to TensorFlow, we recommend that you take the TensorFlow in Practice Specialization first. To develop a deeper, foundational understanding of how neural networks work, we recommend that you take the Deep Learning Specialization.

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 4개 강좌 중 3번째 강좌:

TensorFlow: Data and Deployment 특화 과정

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have a basic familiarity with building models in TensorFlow

완료하는 데 약 11시간 필요

영어

자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 중국어 (간체자), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 터키어, 영어, 스페인어

배울 내용

Perform efficient ETL tasks using Tensorflow Data Services APIs

Construct train/validation/test splits of any dataset - either custom or present in TensorFlow Hub Dataset library - using Splits API

Use different modules and functions of the TFDS API to prepare your data for training pipelines

Identify bottlenecks in your input pipelines and increase your workflow efficiency by input parallelization

귀하가 습득할 기술

Artificial Neural NetworkTensorflowExtraction, Transformation And Loading (ETL)Data PipelinesTensorFlow Datasets

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 4개 강좌 중 3번째 강좌:

TensorFlow: Data and Deployment 특화 과정

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

We recommend taking Course 1 of the TensorFlow in Practice Specialization first, or have a basic familiarity with building models in TensorFlow

완료하는 데 약 11시간 필요

영어

자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 중국어 (간체자), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 터키어, 영어, 스페인어

강사

강사 평가

4.7/5 (17개의 평가)

Laurence Moroney

Instructor

Lead AI Advocate, Google

280,822명의 학습자

14 Courses

제공자:

deeplearning.ai

Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.

강의 계획 - 이 강좌에서 배울 내용

주

주 1

완료하는 데 3시간 필요

Data Pipelines with TensorFlow Data Services

This week, you will be able to perform efficient ETL tasks using Tensorflow Data Services APIs

완료하는 데 3시간 필요

10개 동영상 (총 21분), 4 개의 읽기 자료, 2 개의 테스트

10개의 동영상

A conversation with Andrew Ng2m

Introduction1m

Popular Datasets2m

Data Pipelines58

Extract, Transform and Load3m

Versioning Datasets2m

Looking at the Notebook1m

Using TFDS in Keras to Train Fashion MNIST 3m

Horses or Humans in TFDS2m

Week 1 Wrap Up49

4개의 읽기 자료

Downloading the Coding Examples and Exercises10m

Try Out the Notebook Yourself10m

Try the Horses or Human Notebook10m

Grader Note10m

1개 연습문제

Week 1 Quiz30m

주

주 2

완료하는 데 2시간 필요

Splits and Slices API for Datasets in TF

In this week, you will construct train/validation/test splits of any dataset - either custom or present in TensorFlow hub dataset library - using Splits API

완료하는 데 2시간 필요

7개 동영상 (총 26분), 3 개의 읽기 자료, 2 개의 테스트

7개의 동영상

Introduction1m

Introduction to Splits API5m

Splits API Notebook Walkthrough5m

File Structure in TensorFlow Datasets1m

Feature Descriptors4m

TFRecord Colab Walkthrough5m

Week 2 Wrap Up1m

3개의 읽기 자료

Splits API Colab10m

TFRecord Colab 10m

Grader Note10m

1개 연습문제

Week 230m

주

주 3

완료하는 데 3시간 필요

Exporting Your Data into the Training Pipeline

This week you will extend your knowledge of data pipelines

완료하는 데 3시간 필요

21개 동영상 (총 44분), 5 개의 읽기 자료, 2 개의 테스트

21개의 동영상

A Conversation with Andrew Ng1m

Introduction22

Input Data1m

Basic Mechanics2m

Numeric and Bucketized Columns2m

Vocabulary and Hashed Columns, Feature Crossing2m

Embedding Columns2m

Introduction24

Notebook Walkthrough4m

Introduction19

Numpy, Pandas and Images2m

CSV3m

Text and TFRecord1m

Generators1m

Introduction17

Notebook walkthrough4m

Introduction1m

Using Numpy and Pandas2m

Image Data1m

CSV Data4m

Text Data2m

5개의 읽기 자료

Link to the Notebook10m

Link to the CNN Course10m

Link to the Notebook10m

CSV Colab10m

Link to the Course 10m

1개 연습문제

Week 3 Quiz30m

주

주 4

완료하는 데 3시간 필요

Performance

You'll learn how to handle your data input to avoid bottlenecks, race conditions and more!

완료하는 데 3시간 필요

22개 동영상 (총 44분), 2 개의 읽기 자료, 3 개의 테스트

22개의 동영상

A conversation with Andrew Ng2m

Introduction36

ETL2m

What Happens When You Train a Model2m

Introduction25

Caching58

Parallelism APIs2m

Autotuning2m

Parallelizing Data Extraction2m

Best Practices for Code Improvements3m

A Few Words by Laurence34

A conversation with Andrew Ng1m

Introduction44

How to Start Using a Dataset2m

Implementation4m

File Access and Possible Problems in Data3m

Publishing the Dataset3m

Introduction18

Going Through the Colab- Part 12m

Going Through the Colab - Part 22m

Closing Words14

A conversation with Andrew Ng1m

2개의 읽기 자료

URLs10m

Link to the Colab10m

2개 연습문제

Week 4 Quiz

Publishing your Dataset Quiz

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. Looking for a place to start? Master the foundational basics of TensorFlow with the DeepLearning.AI TensorFlow Developer Professional Certificate. Looking to customize and build powerful real-world models for complex scenarios? Check out the TensorFlow: Advanced Techniques Specialization.

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.
Is financial aid available?
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.
Why was Course 3: Data Pipelines with TensorFlow Data Service updated in October 2020?
Changes in TensorFlow API: Since this Specialization was launched in early 2020, there have been changes to the TensorFlow API which affect the material in Weeks 1 and 2. With this refresh, you can access updated lectures, quizzes, and assignments.
Changing the Difficulty Level of Assignments: Based on valuable learner feedback, we’ve revised the Week 4 assignments to ensure that you have a full grasp of the foundational principles and are well-prepared to tackle them.
강좌를 수료하면 대학 학점을 받을 수 있나요?
이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위 및 Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.

Data Pipelines with TensorFlow Data Services