About this Course

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

탄력적인 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 12시간 필요

권장: 8–10 Stunden innerhalb einer Woche...

독일어

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

탄력적인 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 12시간 필요

권장: 8–10 Stunden innerhalb einer Woche...

독일어

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 17분 필요

Einführung

Zum Schreiben von Programmen für maschinelles Lernen verwenden wir TensorFlow. Dieser Kurs bietet daher eine Einführung in das Tool. Im ersten Kurs haben Sie erfahren, wie Sie geschäftliche Herausforderungen in Aufgaben für das maschinelle Lernen umformulieren. Sie haben gelernt, wie maschinelles Lernen in der Praxis funktioniert und wie Sie verwertbare Datasets erstellen. Nachdem Sie die benötigten Daten erfasst haben, können Sie mit dem Schreiben von ML-Programmen beginnen....
2 videos (Total 7 min), 1 reading
2개의 동영상
Einführung in Qwiklabs5m
1개의 읽기 자료
Kursressourcen herunterladen10m
완료하는 데 3시간 필요

Kernkonzept von TensorFlow

Dies ist eine Einführung in die Hauptkomponenten von TensorFlow und Sie lernen in praktischen Übungen, wie Sie ein ML-Programm erstellen. Außerdem vergleichen und schreiben Sie Programme für verzögerte Bewertungen sowie erforderliche Programme, arbeiten mit Graphen, Sitzungen und Variablen und beheben schließlich Fehler in TensorFlow-Programmen. ...
19 videos (Total 72 min), 4 quizzes
19개의 동영상
Was ist TensorFlow?2m
Vorteile von gerichteten Graphen5m
TensorFlow API-Hierarchie3m
Verzögerte Bewertung4m
Graph und Sitzung4m
Tensoren auswerten2m
Graphen visualisieren2m
Tensoren6m
Variablen6m
Lab-Einführung: Low-Level-TensorFlow-Programme schreiben16
Lösungen für das Lab8m
Einführung5m
Formprobleme3m
Formprobleme lösen2m
Probleme mit Datentypen1m
Fehlerbehebung bei Vollprogrammen4m
Einführung: Fehlerbehebung bei Vollprogrammen15
Demo: Fehlerbehebung bei Vollprogrammen3m
3개 연습문제
Was ist TensorFlow?2m
Graph und Sitzung8m
Kernkonzept von TensorFlow20m
2
완료하는 데 4시간 필요

Estimator API

In diesem Modul wird die Estimator API erläutert....
18 videos (Total 67 min), 4 quizzes
18개의 동영상
Estimator API3m
Vorgefertigte Estimators5m
Demo: Modell über Hauspreise1m
Prüfpunktausführung1m
Datensätze im Speicher trainieren2m
Lab-Einführung: Estimator API39
Lösungen für das Lab: Estimator API10m
Mit Dataset API große Datensätze trainieren8m
Lab-Einführung: TensorFlow-Aufnahme mit Batching hochskalieren35
Lösungen für das Lab: TensorFlow-Aufnahme mit Batching hochskalieren5m
Große Aufträge, verteiltes Training6m
Mit TensorBoard überwachen3m
Demo: TensorBoard-Benutzeroberfläche28
Bereitstellungseingabefunktion5m
Zusammenfassung Estimator API1m
Lab-Einführung: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen51
Lösungen für das Lab: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen7m
1개 연습문제
Estimator API18m
3
완료하는 데 2시간 필요

TensorFlow-Modelle mit CMLE skalieren

In diesem Modul erfahren Sie, wie Sie Ihr TensorFlow-Modell in der verwalteten Infrastruktur der GCP durch maschinelles Lernen trainieren und bereitstellen....
6 videos (Total 29 min), 2 quizzes
6개의 동영상
Gründe für die Cloud Machine Learning Engine6m
Modelle trainieren2m
Trainingsjobs überwachen und bereitstellen2m
Lab-Einführung: TensorFlow mit Cloud Machine Learning Engine skalieren50
Lösungen für das Lab: TensorFlow mit Cloud Machine Learning Engine skalieren16m
1개 연습문제
Cloud MLE10m
완료하는 데 2분 필요

Zusammenfassung

Hier fassen wir die bisher in diesem Kurs behandelten TensorFlow-Themen zusammen. Wir gehen noch einmal auf den Kerncode von TensorFlow und die Estimator API ein. Den Abschluss bildet die Skalierung Ihrer Modelle für maschinelles Lernen mit Cloud Machine Learning Engine....
1 video (Total 2 min)
1개의 동영상

Google 클라우드 정보

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch 전문 분야 정보

Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Was sind die fünf Phasen zur Umsetzung eines für ML geeigneten Anwendungsfalls und warum darf keine dieser Phasen übersprungen werden? Warum sind neuronale Netze gerade so beliebt? Wie können Sie ein Projekt für betreutes Lernen gestalten und mithilfe des Gradientenverfahrens und sinnvoll erstellten Datasets eine gute, generalisierbare Lösung finden? In diesem Kurs lernen Sie, verteilte Modelle für ML zu schreiben, die in TensorFlow skaliert werden, das Training dieser Modelle horizontal zu skalieren und leistungsstarke Vorhersagen zu erstellen. Wir gehen darauf ein, wie Sie Rohdaten so in Merkmale umwandeln, dass ML wichtige Eigenschaften dieser Daten erlernen kann und menschliche Einblicke in das Problem zulässt. Schließlich lernen Sie, die richtige Mischung aus Parametern zu verwenden, um präzise und generalisierte Modelle zu erstellen, und Sie erhalten eine Einführung in die Theorie zum Lösen bestimmter Arten von ML-Problemen. Auf diese Weise gewinnen Sie ein umfassendes Verständnis von ML. Zuerst erstellen Sie eine auf ML ausgerichtete Strategie. Dann fahren Sie mit Modelltraining, Optimierung und Produktentwicklung fort. Hierbei helfen Ihnen praxisorientierte Labs der Google Cloud Platform. >>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

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.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.