이 강좌에 대하여

공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 14시간 필요
포르투갈어 (브라질)
자막: 프랑스어, 포르투갈어 (브라질), 독일어, 러시아어, 영어, 스페인어, 일본어...

귀하가 습득할 기술

1.96Values ModesA Priori And A PosterioriCritical Value
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 14시간 필요
포르투갈어 (브라질)
자막: 프랑스어, 포르투갈어 (브라질), 독일어, 러시아어, 영어, 스페인어, 일본어...

제공자:

Placeholder

Google 클라우드

강의 계획 - 이 강좌에서 배울 내용

1

1

완료하는 데 1분 필요

Introdução

완료하는 데 1분 필요
1개 동영상 (총 1분)
완료하는 데 3시간 필요

De dados brutos a atributos

완료하는 데 3시간 필요
14개 동영상 (총 52분)
14개의 동영상
Atributos bons x ruins2m
Questionário: os atributos são relacionados ao objetivo3m
Atributos conhecidos no momento da previsão3m
Questionário: os atributos são conhecidos no momento da previsão4m
Os atributos devem ser numéricos27
Questionário: os atributos devem ser numéricos5m
Os atributos precisam ter exemplos suficientes1m
Questionário: os atributos precisam ter exemplos suficientes (p1)2m
Questionário: os atributos precisam ter exemplos suficientes (p2)2m
Como trazer a percepção humana27
Como representar os atributos8m
Aprendizado de máquina x estatísticas3m
Solução do laboratório: como melhorar a precisão do modelo com novos atributos12m
2개 연습문제
De dados brutos a atributos30m
Como representar atributos30m
완료하는 데 5시간 필요

Pré-processamento e criação de atributos

완료하는 데 5시간 필요
10개 동영상 (총 52분)
10개의 동영상
Beam e Dataflow9m
Introdução ao laboratório: canal simples do Dataflow19
Solução do laboratório: canal simples do Dataflow6m
Canais de dados que podem ser escalonados5m
Introdução ao laboratório: MapReduce no Dataflow33
Solução do laboratório: MapReduce no Dataflow3m
Pré-processamento com o Cloud Dataprep6m
Introdução ao laboratório: computação de atributos definidos pelo intervalo de tempo no Cloud Dataprep10m
Solução do laboratório: computação de atributos definidos pelo intervalo de tempo no Cloud Dataprep36
3개 연습문제
Pré-processamento e criação de atributos30m
Apache Beam e Cloud Dataflow30m
Pré-processamento com o Cloud Dataprep30m
완료하는 데 3시간 필요

Cruzamento de atributos

완료하는 데 3시간 필요
18개 동영상 (총 90분)
18개의 동영상
O que é o cruzamento de atributos?5m
Discretização1m
Memorização x generalização4m
Cores da taxonomia4m
Introdução ao laboratório: cruzamentos de atributos para criar um bom classificador26
Solução do laboratório: cruzamentos de atributos para criar um bom classificador6m
Esparsidade + questionário5m
Introdução ao laboratório: às vezes menos é mais31
Solução do laboratório: às vezes menos é mais7m
Implementação de cruzamento de atributos5m
Incorporação de cruzamento de atributos9m
Onde aplicar a engenharia de atributos6m
Criação de atributos no TensorFlow2m
Criação de atributos no DataFlow2m
Introdução ao laboratório: como melhorar um modelo de aprendizado de máquina com a engenharia de atributos42
Solução do laboratório (p1): questionário imparcial sobre o AM3m
Solução do laboratório (p2): como melhorar um modelo de AM com a engenharia de dados20m
1개 연습문제
Cruzamento de atributos30m
완료하는 데 2시간 필요

TF Transform

완료하는 데 2시간 필요
7개 동영상 (총 42분)
7개의 동영상
Transformação no TensorFlow8m
Fase de análise3m
Fase de transformação4m
Serviços de suporte3m
Introdução ao laboratório: como usar o tf.transform1m
Solução do laboratório: como usar o tf.transform19m
1개 연습문제
tf.transform30m
완료하는 데 3분 필요

Resumo

완료하는 데 3분 필요
1개 동영상 (총 3분)
1개의 동영상

Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro 특화 과정 정보

O que é aprendizado de máquina e que tipos de problema ele pode resolver? Quais são as cinco fases da conversão de um possível caso de uso de aprendizado de máquina e por que é importante que elas não sejam ignoradas? Por que as redes neurais são tão requisitadas hoje? Como configurar um problema de aprendizado supervisionado, além de encontrar uma solução ótima e generalizável com gradiente descendente e uma boa forma de criar conjuntos de dados? Aprenda a gravar modelos de aprendizado de máquina distribuídos com escalonamento no TensorFlow, faça escalonamento horizontal do treinamento desses modelos e ofereça previsões de alto desempenho. Converta dados brutos em atributos para informar características importantes desses dados ao aprendizado de máquina e ofereça uma percepção humana para dar suporte ao problema. Por fim, aprenda a incorporar a combinação ideal de parâmetros que produz modelos precisos e generalizados, além de conhecer a teoria para resolver tipos específicos de problemas de aprendizado de máquina. Você passará por todas as etapas do aprendizado de máquina, desde a criação de uma estratégia voltada para aprendizado de máquina até o treinamento, a otimização e a produção de modelos em laboratórios práticos com o Google Cloud Platform. >>> Ao se inscrever nesta especialização você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.