이 강좌에 대하여

최근 조회 102,055

학습자 경력 결과

33%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

38%

가 이 강좌를 통해 확실한 경력상 이점을 얻음
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 5개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 19시간 필요
영어
자막: 영어

배울 내용

  • Use the Keras Sequential and Functional APIs for simple and advanced model creation

  • Design and build a TensorFlow 2.x input data pipeline

  • Use the tf.data library to manipulate data and large datasets

  • Train, deploy, and productionalize ML models at scale with Cloud AI Platform

귀하가 습득할 기술

Machine LearningPython ProgrammingBuild Input Data PipelineTensorflowkeras

학습자 경력 결과

33%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

38%

가 이 강좌를 통해 확실한 경력상 이점을 얻음
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 5개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 19시간 필요
영어
자막: 영어

강사

제공자:

Google 클라우드 로고

Google 클라우드

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up90%(2,744개의 평가)Info
1

1

완료하는 데 7분 필요

Introduction to course

완료하는 데 7분 필요
2개 동영상 (총 7분)
2개의 동영상
Getting Started with Google Cloud and Qwiklabs3m
완료하는 데 3시간 필요

Introduction to TensorFlow

완료하는 데 3시간 필요
5개 동영상 (총 22분), 1 개의 읽기 자료, 5 개의 테스트
5개의 동영상
TensorFlow API Hierarchy4m
Components of TensorFlow: Tensors and Variables8m
Lab Intro Introduction to Tensors and Variables1m
Lab Intro Writing low-level TensorFlow programs43
1개의 읽기 자료
Readings10m
3개 연습문제
Introduction to TensorFlow15m
API Hierarchy15m
Tensors and Variables15m
2

2

완료하는 데 7시간 필요

Design and Build a TensorFlow Input Data Pipeline

완료하는 데 7시간 필요
10개 동영상 (총 25분), 1 개의 읽기 자료, 9 개의 테스트
10개의 동영상
Working in-memory and with files3m
Getting the data ready for model training6m
Lab Intro Load CSV and Numpy Data 28
Lab Intro Loading Image Data54
Lab Intro Feature Columns37
Optional Lab Intro TFRecord and tf.Example1m
Training on Large Datasets with tf.data API4m
Lab Intro Manipulating data with Tensorflow Dataset API34
Optional Lab Intro Feature Analysis Using TensorFlow Data Validation and Facets1m
1개의 읽기 자료
Readings15m
3개 연습문제
PRACTICE QUIZ: Getting the data ready for model training15m
Training on Large Datasets with tf.data API15m
Design and Build Input Data Pipeline15m
3

3

완료하는 데 4시간 필요

Training neural networks with Tensorflow 2 and the Keras Sequential API

완료하는 데 4시간 필요
7개 동영상 (총 25분), 1 개의 읽기 자료, 5 개의 테스트
7개의 동영상
Activation functions8m
Activation functions: Pitfalls to avoid in Backpropagation 5m
Neural Networks with Keras Sequential API7m
Lab intro Keras Sequential API21
Lab Intro Logistic Regression43
Lab Intro Optional Lab Advanced Logistic Regression in TensorFlow 2.01m
1개의 읽기 자료
Readings10m
2개 연습문제
Activation Functions15m
Neural Networks with TF2 and Keras15m
4

4

완료하는 데 3시간 필요

Training neural networks with Tensorflow 2 and the Keras Functional API

완료하는 데 3시간 필요
6개 동영상 (총 29분), 1 개의 읽기 자료, 4 개의 테스트
6개의 동영상
Regularization: The Basics4m
Regularization: L1, L2, and Early Stopping5m
Regularization: Dropout5m
Serving models in the Cloud3m
Lab intro Keras Functional API38
1개의 읽기 자료
Readings1시간
3개 연습문제
The Keras Functional API15m
Regularization15m
Serving Models in the Cloud15m
완료하는 데 1시간 필요

Summary

완료하는 데 1시간 필요
1개 동영상 (총 8분), 1 개의 읽기 자료, 1 개의 테스트
1개의 동영상
1개의 읽기 자료
Quiz Questions to ALL Lessons 10m
1개 연습문제
Course Summary15m

검토

TENSORFLOW 소개의 최상위 리뷰

모든 리뷰 보기

Machine Learning with TensorFlow on Google Cloud Platform 특화 과정 정보

What is machine learning, and what kinds of problems can it solve? What are the five phases of converting a candidate use case to be driven by machine learning, and why is it important that the phases not be skipped? Why are neural networks so popular now? How can you set up a supervised learning problem and find a good, generalizable solution using gradient descent and a thoughtful way of creating datasets? Learn how to write distributed machine learning models that scale in Tensorflow, scale out the training of those models. and offer high-performance predictions. Convert raw data to features in a way that allows ML to learn important characteristics from the data and bring human insight to bear on the problem. Finally, learn how to incorporate the right mix of parameters that yields accurate, generalized models and knowledge of the theory to solve specific types of ML problems. You will experiment with end-to-end ML, starting from building an ML-focused strategy and progressing into model training, optimization, and productionalization with hands-on labs using Google Cloud Platform. > By enrolling in this specialization you agree to the Qwiklabs Terms of Service as set out in the FAQ and located at: https://qwiklabs.com/terms_of_service <...
Machine Learning with TensorFlow on Google Cloud Platform

자주 묻는 질문

  • 예. 등록하기 전에 첫 번째 비디오를 미리 보고 강의 계획을 검토할 수 있습니다. 미리 보기에 포함되지 않은 콘텐츠를 이용하려면 강좌를 구매해야 합니다.

  • 세션 시작일 전에 강좌에 등록하면 해당 강좌의 모든 강의 비디오 및 읽기 자료에 접근할 수 있습니다. 수업이 시작되면 과제를 제출할 수 있습니다.

  • 등록 후 세션이 시작되면 읽기 자료 항목 및 강좌 토론 포럼을 포함하여 모든 비디오와 기타 리소스를 이용할 수 있습니다. 연습 평가를 보고 제출하며 필요한 성적 평가 과제를 완료하여 성적을 받고 강좌 수료증을 취득할 수 있습니다.

  • 강좌를 성공적으로 수료하면 전자 강좌 수료증이 성취도 페이지에 추가됩니다. 해당 페이지에서 강좌 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다.

  • 이 강좌는 현재 Coursera에서 수업료를 결제했거나 재정 지원(해당하는 경우)을 받은 학습자만 이용할 수 있는 강좌입니다.

  • 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.

  • 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.